Source: https://ailoot.ai/models/hu/meta-muse-voice-transcribe-1-0/ Canonical: https://ailoot.ai/models/hu/meta-muse-voice-transcribe-1-0/ Language: hu # Meta: Muse Voice Transcribe 1.0 [Markdown](https://ailoot.ai/models/hu/meta-muse-voice-transcribe-1-0/index.md) · [JSON](https://ailoot.ai/models/hu/meta-muse-voice-transcribe-1-0/facts.json) ## [Meta: Muse Voice Transcribe 1.0](https://ailoot.ai/models/hu/meta-muse-voice-transcribe-1-0/) A Muse Voice Transcribe 1.0 a Meta beszédfelismerő modellje diktáláshoz, a megszólalások felismeréséhez és a beszélőket megkülönböztető átiratokhoz. Támogatja a nyelvi és szókincsbeli támpontokat, a nyelvváltást és a megszólalásszintű időzítést, külön munkafolyamattal a rögzített hangklipekhez és az élő hanghoz. - [**Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/hu/meta-muse-voice-transcribe-1-0/#method-0) A modellről Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók. A Muse Voice Transcribe 1.0 a Meta hangértelmező modellje, amely beszédet ír át, felismeri a megszólalások határait, és beszélőkhöz rendeli a megszólalásokat. A Muse Spark modellcsalád tagja, és a modellen belül egyesíti a beszédfelismerést, a beszélők elkülönítését és a megszólalásvégek felismerését. Kimenete a felismert szöveg, valamint a kiválasztott módban rendelkezésre álló időzítési és beszélőinformációk. A modell 80 milliszekundumos blokkokban dolgozza fel a hangot, és eldönti, hogy tovább figyeljen-e, vagy szöveget adjon ki. Adaptív késleltetése lehetővé teszi, hogy további hangra várjon, ha egy szó felismerése nehezebb. Így a beszéd érkezése közben részleges szöveg keletkezik, amelyet a befejezett átírási eredmények követnek. A részleges szövegjelöltet és a lezárt megszólalást a hallgatási folyamat külön szakaszaiként kezelje. Három mód közül választhat. A push-to-talk az alapértelmezett mód egyetlen, tudatosan elindított és lezárt megszólaláshoz, például egy hangalapú kérdéshez vagy rövid diktált szöveghez. Az endpointing módban a modell felismeri a megszólalások határait, és minden felismert szakaszhoz egy lezárt átiratot ad vissza. A diarization mód beszélőcímkékhez rendeli a felismert beszédet; több beszélős felvételekhez készült, nem a hangutasítások lehető leggyorsabb váltásához. Rögzített hangklip esetén a fájlátírási munkafolyamat egyetlen kérésben adja vissza a teljes átiratot. Az alapértelmezett eredmény az átiratot és a hang időtartamát tartalmazó JSON, amely endpointing és diarization módban egy turns tömböt is tartalmaz. Minden megszólaláshoz tartozhat azonosító, milliszekundumban megadott kezdő- és végidő, valamint a felismert szöveg. A beszélőcímkék diarization módban jelennek meg. Push-to-talk módban a teljes átirat elkészül, de ez a tömb nem tartalmaz felismert megszólalásokat. A gyártó rögzített fájlokhoz kínált felülete egyszerű szöveget vagy átírási eseményfolyamot is visszaadhat. Az egyszerű szöveg külön sorokban tartja a felismert megszólalásokat, és beszélőcímkéket is tartalmazhat; az eseményfolyam az utolsó eseménye után lezárul, külön JSON-összegzés nélkül. A delta részleges mód növekményes szöveget ad vissza, a végső átiratesemény pedig a teljes megfogalmazást tartalmazza. Készítsen RIFF/WAVE fájlt, benne 16 vagy 24 kHz mintavételű, monó, 16 bites egész számú PCM hanggal. A modell natív mintavételi frekvenciája 24 kHz, és a felület a 16 kHz-et is elfogadja. Más konténereket vagy kódolásokat a felvétel átadása előtt alakítson át erre a támogatott WAV-formára. A fájlátírási profil legfeljebb 10 perces hangot és összesen legfeljebb 32 MB méretű kéréstörzset enged meg. A későbbi visszahallgatásos ellenőrzéshez őrizze meg az eredeti felvételt és az esetleges átalakítást a visszaadott átirathoz kapcsolva. Az élő hang munkafolyamata nyers, előjeles, 16 bites, little-endian, monó PCM-et használ, 16 vagy 24 kHz mintavétellel, megközelítőleg valós idejű ütemezésben. Dokumentált munkamenet-időkerete 60 perc. A Meta egy órát meghaladó natív hangbemenetről is ír; a dokumentált fájl- és élőmunkamenet-korlátok ettől független felületi határok maradnak. Aszerint válassza a rögzített fájlos vagy az élő munkafolyamatot, hogy a hang már teljes egészében rendelkezésre áll-e, vagy még rögzítik, és a külön munkamenetek eredményeit a saját bemeneti szakaszaikhoz kapcsolva tárolja. A Muse Voice Transcribe több mint 70 nyelven kapott tanítást, míg a dokumentált felismerési felület 25 támogatott nyelvet sorol fel. Ezek között szerepel az angol, a francia, a német, a spanyol, az arab, a mandarin kínai, a hindi, a japán, a koreai, az olasz és a portugál. Mondaton belül és mondatok között is felismeri a nyelvváltást. A nyelvi támpont megnevezheti a hangban várható nyelveket, de a felismerést tereli, nem kényszeríti egyetlen nyelvre az átiratot. A szókincsbeli támpontok segítenek a felvételben fontos terméknevek, betűszók, személynevek vagy helynevek felismerésében. Azokat a tényleges szavakat és írásmódokat adja meg, amelyekre számít. A kulcsszólista befolyásolja a felismerést, de nem garantál pontos írásmódot, ezért a döntő kifejezéseket ellenőrizze a hang alapján. A nyelvi támpontokat és a kulcsszavakat az átírás elején választja ki; az adott felvételhez igazítsa őket, és ne változtassa meg jelentésüket egy folyamatban lévő munkamenet során. A modell több mint 20 beszélőt tartalmazó beszélgetésekben is támogatja a beszélők elkülönítését. Az A és B jellegű címkék egy átíráson belül azonosítják a beszélőket. Ezek nem ellenőrzött nevek, és nem igazolják, hogy egy címke másik munkamenetben ugyanarra a személyre utal. Egy eredeti megbeszéléselemzési feladatnál kérjen beszélőkhöz rendelt megszólalásokat, őrizze meg a felvételt, és a címkék segítségével rendezze a beszélgetést, mielőtt a kapcsolódó munkafolyamatban tényleges résztvevőneveket rendelne hozzájuk. Az élő részleges átiratok a további beszéd érkezésével változhatnak. Kumulatív módban minden részleges eredmény felváltja az előző szövegjelöltet, nem pedig annak újabb másolatát fűzi hozzá. A felismert beszédvég határt jelöl, míg a lezárt megszólalás eredménye adja a végleges szöveget, amely eltérhet az utolsó részleges eredménytől. Az átfedő megszólalásokat a megszólalásazonosítóikkal együtt kezelje, és dolgozza fel a lezárt eredményeket, mielőtt befejezettnek tekinti az átiratot. Az élő bemenet végén jelezze a bemenet végét, és fogadja tovább az eredményeket addig, amíg az előállító be nem fejezi a függőben lévő eredmények kiküldését. A kapcsolat azonnali lezárása elveszítheti ezeket az eredményeket; a felismert beszédhatár egy megszólalást zár le, nem a teljes munkamenetet. Az időzítés megszólalásszintű. Ez a profil nem ad szószintű időbélyegeket vagy megbízhatósági pontszámokat, és a hangfeldolgozás előrehaladása nem egy adott szó időbélyege. A hangesemény-felismerés, az érzelemfelismerés és az átirat újraformázása szintén kívül esik a dokumentált kimeneti profilon. A visszaadott megszólalásintervallumokat használja beszélői idővonalhoz vagy szakaszszintű ellenőrzéshez, és őrizze meg a felismert szavakat, ha egy külön szerkesztési lépés később rendezettebb jegyzeteket készít. Hasznos eredmény lehet egy teljes diktált szöveg, egy hangalapú kérdés átirata, egy beszélőkhöz rendelt beszélgetés vagy egy megszólalási idővonal. A neveket, számokat és szakkifejezéseket vesse össze az eredeti felvétellel, őrizze meg a módhoz és az időzítéshez tartozó kapcsolatokat, és a teljes megszólalásokat tartsa elérhetően ellenőrzéshez. Az átírás azt rögzíti, amit a modell a hangban felismert; egy elhangzott kérdés megválaszolása, lefordítása vagy megbeszélésjegyzetté alakítása egy későbbi alkalmazáslépés feladata. **Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0` [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/hu/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) Meta /`meta/muse-voice-transcribe-1.0` ### Kezdő lépések A Muse Voice Transcribe 1.0 a Meta beszédfelismerő modellje diktáláshoz, a megszólalások felismeréséhez és a beszélőket megkülönböztető átiratokhoz. Támogatja a nyelvi és szókincsbeli támpontokat, a nyelvváltást és a megszólalásszintű időzítést, külön munkafolyamattal a rögzített hangklipekhez és az élő hanghoz. Elfogadott bemenetek Hang Eredmények Szöveg ### Elérhető az Ailootban · bemenetek és metódusok **Ailoot Ultra · Hang átírása** `POST /v1/audio/transcriptions` Bemenet `audio` Kimenet `text` | Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett | | --- | --- | --- | --- | --- | | Mező`model` | Típus`string` | KövetelményKötelező | Értékek és korlátok meta/muse-voice-transcribe-1.0 | Alapértelmezett— | | Mező`input_audio` | Típus`object` | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— | Metódus paraméterei és életciklusa | Paraméter | Szerződés | | --- | --- | | Paraméter`content_type` | Szerződésapplication/json | | Paraméter`required` | Szerződésmodel, input\_audio | | Paraméter`material_types` | Szerződésaudio | | Paraméter`material_conditions` | SzerződésA példa beolvassa az Ön tényleges, nem üres PCM WAV-fájlját, a fájl teljes bájttartalmát base64 formában kódolja, és az input\_audio.format mezőt wav értékkel küldi el. | Életciklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · pontos task\_id egy meglévő, Önhöz tartozó médiarekordból `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Díjcsomagok A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek. Gyors mód Nincs megadva Ha a gyors mód van kiválasztva Flex mód Nincs megadva Ha a flex mód van kiválasztva Maximális gondolkodási ráfordítás Nincs megadva Ha a maximális gondolkodási ráfordításra a default beállításhoz tartozó korrekció vonatkozik #### Ailoot-díjak #### Árak beállításonként Minden díjat a megjelenített feltételekhez rendeljen. Az alternatív beállítások minden csoportjához egy díjtételt használjon. | Beállítás | Díjtáblázat | Elszámolási egység | Díj | | --- | --- | --- | --- | | BeállításTokenek alapdíjai | DíjtáblázatAlapdíj | Elszámolási egység— | Díj Bemenet · Bemeneti tokenek **—** / 1K token Kimenet · Kimeneti tokenek **—** / 1K token Bemenet · Gyorsítótár olvasása **—** / 1K token Bemenet · Írás a gyorsítótárba **—** / 1K token Bemenet · Írás a gyorsítótárba, 1 óra **—** / 1K token | | Beállításbemeneti hangmásodperc | Díjtáblázat— | Elszámolási egységbemeneti hangmásodpercenként | Díj Bemenet · bemeneti hangmásodperc **$0.0001** bemeneti hangmásodpercenként | Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. [A foglalás és az elszámolás működése →](https://ailoot.ai/docs/hu/billing/reserve/) ### Példakérések #### Ailoot Ultra · Hang átírása curl · tényleges WAV-fájl és a teljes eredeti eredmény ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import base64, io, json, os, wave from pathlib import Path audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'): raise SystemExit('Supply your actual PCM WAV audio file') with wave.open(io.BytesIO(audio), 'rb') as recording: if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0: raise SystemExit('Supply a nonempty PCM WAV recording') request = {'model': 'meta/muse-voice-transcribe-1.0', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}} Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Retain the complete original response, headers and actual X-Client-Request-ID. # Read existing owned records for recovery; do not resubmit an uncertain operation. ``` ### Eredmények fogadása és mentése #### Ailoot Ultra · Hang átírása A teljes eredeti választörzs, állapot és továbbított fejlécek. Ez a kezelő nem ad hozzá univerzális JSON-szerkezetet, szövegmezőt vagy feladatburkolót. - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Őrizzen meg minden elkészült eredményt Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt. Őrizze meg a teljes választ és a fejléceket, minden tényleges kimenetet, az eredetileg visszaadott azonosítókat és az összes használati adatmezőt. Az eredeti műveletet állítsa helyre, a létrehozási kérés újbóli beküldése nélkül. ##### Ha az eredeti választ ellenőrizni kell Őrizze meg a tényleges X-Client-Request-ID értéket és a teljes választ. Kérdezze le az eredeti saját médiaállományokat és pontos aláírt tartalom-URL-címeiket; bizonytalan kimenetelű létrehozást soha ne küldjön be újra. Válaszmezők | Mező | Típus | | --- | --- | | Mező`text (when present)` | Típus | | Mező`usage (when present)` | Típus | Hibák és következő lépések | Válasz | Feltétel | Következő lépés | | --- | --- | --- | | Válasz400 · `invalid_request_error` | FeltételA JSON-törzs vagy a kifejezetten megadott kanonikus modellazonosító érvénytelen. | Következő lépésŐrizze meg a választ, és javítsa a kérés megjelölt mezőjét. | | Válasz401 · `authentication_error` | FeltételAz Ailoot API-kulcs érvénytelen. | Következő lépésHasználja az engedélyezett Ailoot API-kulcsát. | | Válasz403 · `permission_error` | FeltételA kulcscsoport nem használhatja ezt a metódust. | Következő lépésŐrizze meg a visszaadott hiba részleteit. | | Válasz404 · `not_found_error` | FeltételA kiválasztott metódushoz nincs engedélyezett útvonal. | Következő lépésŐrizze meg a visszaadott hiba részleteit. | | Válasz422 · `price_unavailable` | FeltételAz elfogadott tarifa nem tudja meghatározni a szükséges bemeneti mennyiséget vagy korlátot. | Következő lépésŐrizze meg a választ; használja az elfogadott tarifa által megkövetelt bemeneti formátumot. | | Válasz503 · `` | FeltételA szükséges tároló, útvonal, metódusár vagy összegzárolás nem érhető el. | Következő lépésŐrizze meg a teljes eredeti választ. A bizonytalan összegzárolás nem jogosít fel az újraküldésre. | | Válasz502 · `server_error` | FeltételAz eredeti eredményt, a felhasználást vagy az elszámolást ellenőrizni kell. | Következő lépésŐrizze meg a tényleges kérésazonosítót és az eredeti választ. A meglévő saját rekordot kérdezze le; ne küldje be újra a létrehozási kérést. | ### Álnevek #### Modell álnevei **Ailoot Ultra** [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/hu/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) #### Metódusútvonalak álnevei Használja a fent látható metódusútvonalakat. #### Kapcsolódó modellazonosítók [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/hu/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) FAQ · Meta: Muse Voice Transcribe 1.0 Milyen bemenetek és eredmények érhetők el? `POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `audio` → `text` Mely mezőket használja a kérés? `POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `model`, `input_audio` Csatlakoztassa az Ailootot a Claude Code-hoz, OpenCode-hoz, Hermeshez vagy saját alkalmazásához. ## A vállalat és projektportfóliója A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. ## Vásároljon tokeneket kedvezménnyel. Előfizetési kedvezmény rendszeres munkához. Promókódok — akár 50% tokenvásárlási kedvezmény. Előfizetés Válasszon kedvezményes tarifát a rendszeres kéréseihez. Promókód akár 50%-ig Vásárláskor adja meg a kódot. Az ár az érvényes akció szerint újraszámolódik. Költségek az előzményekben Minden kéréshez megmarad a modell, a tokenek és az összeg. [Előfizetés kiválasztása](https://ailoot.ai/docs/hu/billing/subscriptions/) · [Modellárak megtekintése](https://ailoot.ai/models/hu/) ## Csatlakoztassa az API-t az értékesített termékéhez. SaaS, alkalmazások és botok — az Ailoot ajánlati feltételei és licencszerződése alapján. Viszonteladáshoz kérjen viszonteladói licencet. Kereskedelmi alkalmazás Építsen szöveg-, kép-, videó- és hanggenerálást szolgáltatása fizetős funkcióiba. Viszonteladói licenc Küldje el a projekt leírását és a hozzáférés módját. Kérjen írásos használati és viszonteladási feltételeket. Dokumentumok a weboldalon Az ajánlati feltételek, licencszerződés és adatkezelési szabályzat már a csatlakoztatás előtt elérhető. [Viszonteladói licenc kérése](mailto:support@ailoot.ai) · [Ajánlati feltételek és licencszerződés](https://ailoot.ai/legal/offer?lang=hu) ## Ailoot · A vállalat és projektportfóliója Az Ailoot felhalmozott működési tapasztalatra, széles ügyfélkörre, stabil szolgáltatásra és folyamatos KPI-ellenőrzésre épít. A vállalat és projektportfóliója: ügyfelek milliói; havi értékesítés milliárdos nagyságrendben. Az Ailoot ezt a működési tapasztalatot használja az ügyfelek termékeiben, ágenseiben, alkalmazásaiban és automatizálásaiban elérhető AI-funkciók API-hozzáféréséhez.