{ "aboutHtml": "

Transcribe 1 Pro adalah model ucapan-ke-teks Fish Audio untuk klip pendek, percakapan banyak pembicara, dan rekaman panjang. Model menerima audio rekaman dan mengembalikan transkrip, dengan pemasaan opsional serta giliran bicara terstruktur. Ciri khasnya adalah pergantian pembicara yang ditandai dalam teks dan petunjuk emosi atau kejadian vokal, sehingga lebih banyak struktur percakapan rekaman dipertahankan dibanding urutan kata biasa.

Untuk wawancara, rapat, atau podcast, simpan seluruh percakapan dalam satu berkas agar pembicara yang muncul kembali dapat mempertahankan label konsisten dalam respons. Artefak peninjauan yang berguna adalah transkrip yang terhubung dengan rekaman asli, dengan giliran ditampilkan terpisah dan cap waktu tersedia untuk memeriksa kutipan. Ringkasan atau daftar tindakan merupakan tahap aplikasi berikutnya: pisahkan dari transkrip agar sumber ucapan tetap tersedia untuk perbandingan.

Produsen menerima rekaman hingga 60 menit dan menjelaskan pemrosesan berkas panjang dengan audio terkompresi seperti MP3, Opus, atau AAC. Format yang didukung meliputi WAV, MP3, AAC dalam M4A atau MP4, FLAC, Ogg dengan Opus atau Vorbis, WebM/Matroska, dan MOV. Untuk berkas video, model menggunakan trek audio pertama. AIFF, CAF, WMA, AMR, AC-3, dan PCM mentah tanpa header tidak didukung. Satu berkas audio diberikan per permintaan; hasil tiba setelah seluruh rekaman selesai ditranskripsikan, dan rekaman panjang dapat membutuhkan beberapa menit. Klip lebih pendek dari sekitar 0,08 detik ditolak.

Respons produsen memuat teks lengkap, durasi rekaman dalam detik, dan larik segments. Pro menandai pergantian pembicara langsung dalam teks dengan label seperti <|speaker:0|> dan <|speaker:1|>; label berlaku untuk teks berikutnya hingga penanda selanjutnya. Ini adalah pengenal dalam satu respons, bukan nama atau identitas terverifikasi yang dapat dicocokkan lintas permintaan. Jika transkrip tidak memiliki penanda pembicara, panduan memperlakukannya sebagai hasil satu pembicara. Simpan teks sebelum penanda pertama bersama giliran pertama, bukan membuangnya.

Cap waktu tingkat kata bersifat opsional. Dalam permintaan produsen, ignore_timestamps bernilai bawaan true; mengaturnya menjadi false meminta segments dengan text, start, dan end dalam detik. Segmen biasanya satu kata, atau satu maupun beberapa karakter dalam bahasa Tionghoa dan Jepang. Teks segmen menghilangkan tanda baca, penanda pembicara, dan petunjuk kejadian, serta dapat menormalisasi nilai yang diucapkan secara berbeda dari transkrip lengkap. Segmen kata dapat memiliki waktu mulai dan akhir yang sama. Larik segments kosong dapat berarti cap waktu tidak diminta, tidak ditemukan ucapan, atau pemasaan sementara tidak tersedia. Gunakan transkrip lengkap untuk pilihan kata yang mudah dibaca dan segments untuk penyelarasan alih-alih menganggap kedua string cocok karakter demi karakter.

Pengaturan diarize bernilai bawaan auto. Ketika cap waktu diminta dan diarize bukan false, Pro juga mengembalikan speaker_turns. Setiap giliran memuat label pembicara, teks, dan waktu mulai/akhir, mempertahankan tanda baca serta petunjuk yang disimpan tanpa penanda pembicara dalam teks. Jika pemasaan kata tidak tersedia, waktu giliran dapat bersifat perkiraan dan mencakup seluruh rekaman; giliran bersebelahan tidak harus bersambung atau bebas tumpang tindih. Menonaktifkan diarize menghilangkan daftar giliran terstruktur tetapi mempertahankan penanda pembicara dalam teks lengkap. Jumlah pembicara yang diketahui, atau jumlah minimum dan maksimum, dapat memandu diarisasi rekaman lebih panjang berdasarkan upaya terbaik. Jumlah tepat tidak dapat digabungkan dengan batas jumlah, dan petunjuk jumlah tidak dapat digunakan ketika diarize dinonaktifkan.

Petunjuk emosi dan kejadian vokal muncul sebagai teks dalam kurung siku, misalnya [laughter], bersama ucapan yang dikenali. Petunjuk ini adalah inferensi dari audio, bukan kata-kata yang perlu ditambahkan pengguna sebelum transkripsi. Pengaturan tag_audio_events Pro bernilai bawaan true; menonaktifkannya menghapus petunjuk tersebut dari transkrip dan teks giliran tanpa mengubah pemasaan. Tidak ada bidang emosi terpisah atau enumerasi emosi tetap. Simpan transkrip beranotasi ketika bunyi suatu ucapan penting, dan gunakan versi tanpa petunjuk ketika artefak berikutnya hanya membutuhkan kata-kata yang diucapkan.

Bahasa dideteksi otomatis. Petunjuk ISO 639-1 huruf kecil opsional tidak memaksa terjemahan atau mengubah transkrip Pro. Jika bahasa tidak dapat ditentukan, kode bahasa yang dikembalikan dapat mencerminkan petunjuk tanpa memverifikasinya terhadap audio. Produsen melaporkan satu bahasa, bukan inventaris semua bahasa dalam rekaman campuran. Simpan pilihan kata asli dan metadata bahasa bersama-sama saat menyiapkan arsip yang dapat dicari, terutama ketika bagian percakapan berganti bahasa.

Untuk takarir, kelompokkan kata berwaktu yang berurutan menjadi cue SRT atau WebVTT yang mudah dibaca, bukan menghasilkan satu takarir per kata. Pisahkan cue di sekitar jeda dan pilih panjang serta waktu tampil sesuai pemutar dan audiens. Batas giliran bicara dapat memisahkan pembicara berbeda ke cue tersendiri. Periksa hasil pemasaan kosong dan cue yang waktu akhirnya harus lebih lambat daripada waktu mulai. Format takarir, nama untuk label pembicara anonim, dan ringkasan berikutnya merupakan artefak aplikasi yang dibangun dari hasil transkripsi.

Untuk alur rekaman praktis, putuskan sebelum transkripsi apakah yang dibutuhkan adalah transkrip biasa yang mudah dibaca, giliran percakapan beranotasi, atau takarir berwaktu. Simpan pengenal audio bersama hasil, pertahankan teks lengkap yang dikembalikan ketika tanda baca dan petunjuk penting, serta gunakan bidang pemasaan terstruktur untuk navigasi. Kemampuan rekaman panjang dan banyak pembicara Pro berbeda dari model Transcribe 1 umum untuk rekaman pendek; batas serta kendalinya tidak boleh diperlakukan sebagai saling dapat dipertukarkan.

", "aboutText": "Transcribe 1 Pro adalah model ucapan-ke-teks Fish Audio untuk klip pendek, percakapan banyak pembicara, dan rekaman panjang. Model menerima audio rekaman dan mengembalikan transkrip, dengan pemasaan opsional serta giliran bicara terstruktur. Ciri khasnya adalah pergantian pembicara yang ditandai dalam teks dan petunjuk emosi atau kejadian vokal, sehingga lebih banyak struktur percakapan rekaman dipertahankan dibanding urutan kata biasa.\n\nUntuk wawancara, rapat, atau podcast, simpan seluruh percakapan dalam satu berkas agar pembicara yang muncul kembali dapat mempertahankan label konsisten dalam respons. Artefak peninjauan yang berguna adalah transkrip yang terhubung dengan rekaman asli, dengan giliran ditampilkan terpisah dan cap waktu tersedia untuk memeriksa kutipan. Ringkasan atau daftar tindakan merupakan tahap aplikasi berikutnya: pisahkan dari transkrip agar sumber ucapan tetap tersedia untuk perbandingan.\n\nProdusen menerima rekaman hingga 60 menit dan menjelaskan pemrosesan berkas panjang dengan audio terkompresi seperti MP3, Opus, atau AAC. Format yang didukung meliputi WAV, MP3, AAC dalam M4A atau MP4, FLAC, Ogg dengan Opus atau Vorbis, WebM/Matroska, dan MOV. Untuk berkas video, model menggunakan trek audio pertama. AIFF, CAF, WMA, AMR, AC-3, dan PCM mentah tanpa header tidak didukung. Satu berkas audio diberikan per permintaan; hasil tiba setelah seluruh rekaman selesai ditranskripsikan, dan rekaman panjang dapat membutuhkan beberapa menit. Klip lebih pendek dari sekitar 0,08 detik ditolak.\n\nRespons produsen memuat teks lengkap, durasi rekaman dalam detik, dan larik segments. Pro menandai pergantian pembicara langsung dalam teks dengan label seperti <|speaker:0|> dan <|speaker:1|>; label berlaku untuk teks berikutnya hingga penanda selanjutnya. Ini adalah pengenal dalam satu respons, bukan nama atau identitas terverifikasi yang dapat dicocokkan lintas permintaan. Jika transkrip tidak memiliki penanda pembicara, panduan memperlakukannya sebagai hasil satu pembicara. Simpan teks sebelum penanda pertama bersama giliran pertama, bukan membuangnya.\n\nCap waktu tingkat kata bersifat opsional. Dalam permintaan produsen, ignore_timestamps bernilai bawaan true; mengaturnya menjadi false meminta segments dengan text, start, dan end dalam detik. Segmen biasanya satu kata, atau satu maupun beberapa karakter dalam bahasa Tionghoa dan Jepang. Teks segmen menghilangkan tanda baca, penanda pembicara, dan petunjuk kejadian, serta dapat menormalisasi nilai yang diucapkan secara berbeda dari transkrip lengkap. Segmen kata dapat memiliki waktu mulai dan akhir yang sama. Larik segments kosong dapat berarti cap waktu tidak diminta, tidak ditemukan ucapan, atau pemasaan sementara tidak tersedia. Gunakan transkrip lengkap untuk pilihan kata yang mudah dibaca dan segments untuk penyelarasan alih-alih menganggap kedua string cocok karakter demi karakter.\n\nPengaturan diarize bernilai bawaan auto. Ketika cap waktu diminta dan diarize bukan false, Pro juga mengembalikan speaker_turns. Setiap giliran memuat label pembicara, teks, dan waktu mulai/akhir, mempertahankan tanda baca serta petunjuk yang disimpan tanpa penanda pembicara dalam teks. Jika pemasaan kata tidak tersedia, waktu giliran dapat bersifat perkiraan dan mencakup seluruh rekaman; giliran bersebelahan tidak harus bersambung atau bebas tumpang tindih. Menonaktifkan diarize menghilangkan daftar giliran terstruktur tetapi mempertahankan penanda pembicara dalam teks lengkap. Jumlah pembicara yang diketahui, atau jumlah minimum dan maksimum, dapat memandu diarisasi rekaman lebih panjang berdasarkan upaya terbaik. Jumlah tepat tidak dapat digabungkan dengan batas jumlah, dan petunjuk jumlah tidak dapat digunakan ketika diarize dinonaktifkan.\n\nPetunjuk emosi dan kejadian vokal muncul sebagai teks dalam kurung siku, misalnya [laughter], bersama ucapan yang dikenali. Petunjuk ini adalah inferensi dari audio, bukan kata-kata yang perlu ditambahkan pengguna sebelum transkripsi. Pengaturan tag_audio_events Pro bernilai bawaan true; menonaktifkannya menghapus petunjuk tersebut dari transkrip dan teks giliran tanpa mengubah pemasaan. Tidak ada bidang emosi terpisah atau enumerasi emosi tetap. Simpan transkrip beranotasi ketika bunyi suatu ucapan penting, dan gunakan versi tanpa petunjuk ketika artefak berikutnya hanya membutuhkan kata-kata yang diucapkan.\n\nBahasa dideteksi otomatis. Petunjuk ISO 639-1 huruf kecil opsional tidak memaksa terjemahan atau mengubah transkrip Pro. Jika bahasa tidak dapat ditentukan, kode bahasa yang dikembalikan dapat mencerminkan petunjuk tanpa memverifikasinya terhadap audio. Produsen melaporkan satu bahasa, bukan inventaris semua bahasa dalam rekaman campuran. Simpan pilihan kata asli dan metadata bahasa bersama-sama saat menyiapkan arsip yang dapat dicari, terutama ketika bagian percakapan berganti bahasa.\n\nUntuk takarir, kelompokkan kata berwaktu yang berurutan menjadi cue SRT atau WebVTT yang mudah dibaca, bukan menghasilkan satu takarir per kata. Pisahkan cue di sekitar jeda dan pilih panjang serta waktu tampil sesuai pemutar dan audiens. Batas giliran bicara dapat memisahkan pembicara berbeda ke cue tersendiri. Periksa hasil pemasaan kosong dan cue yang waktu akhirnya harus lebih lambat daripada waktu mulai. Format takarir, nama untuk label pembicara anonim, dan ringkasan berikutnya merupakan artefak aplikasi yang dibangun dari hasil transkripsi.\n\nUntuk alur rekaman praktis, putuskan sebelum transkripsi apakah yang dibutuhkan adalah transkrip biasa yang mudah dibaca, giliran percakapan beranotasi, atau takarir berwaktu. Simpan pengenal audio bersama hasil, pertahankan teks lengkap yang dikembalikan ketika tanda baca dan petunjuk penting, serta gunakan bidang pemasaan terstruktur untuk navigasi. Kemampuan rekaman panjang dan banyak pembicara Pro berbeda dari model Transcribe 1 umum untuk rekaman pendek; batas serta kendalinya tidak boleh diperlakukan sebagai saling dapat dipertukarkan.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e3988f7a226a92570a76081add8422a6cc35b66367ea9965a7928f1e1c4ec0f2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "
•

Fish Audio: Transcribe 1 Pro

Fish Audio /fish-audio/transcribe-1-pro

Mulai

Transcribe 1 Pro mengubah rekaman hingga 60 menit menjadi teks dengan penanda pembicara dan pemasaan tingkat kata opsional. Model mempertahankan petunjuk emosi serta kejadian vokal hasil inferensi, sehingga wawancara, rapat, dan podcast lebih mudah ditinjau, dicari, atau disiapkan untuk takarir.

Masukan yang diterima
Audio
Hasil
Teks
Tentang model

Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.

Transcribe 1 Pro adalah model ucapan-ke-teks Fish Audio untuk klip pendek, percakapan banyak pembicara, dan rekaman panjang. Model menerima audio rekaman dan mengembalikan transkrip, dengan pemasaan opsional serta giliran bicara terstruktur. Ciri khasnya adalah pergantian pembicara yang ditandai dalam teks dan petunjuk emosi atau kejadian vokal, sehingga lebih banyak struktur percakapan rekaman dipertahankan dibanding urutan kata biasa.

Untuk wawancara, rapat, atau podcast, simpan seluruh percakapan dalam satu berkas agar pembicara yang muncul kembali dapat mempertahankan label konsisten dalam respons. Artefak peninjauan yang berguna adalah transkrip yang terhubung dengan rekaman asli, dengan giliran ditampilkan terpisah dan cap waktu tersedia untuk memeriksa kutipan. Ringkasan atau daftar tindakan merupakan tahap aplikasi berikutnya: pisahkan dari transkrip agar sumber ucapan tetap tersedia untuk perbandingan.

Produsen menerima rekaman hingga 60 menit dan menjelaskan pemrosesan berkas panjang dengan audio terkompresi seperti MP3, Opus, atau AAC. Format yang didukung meliputi WAV, MP3, AAC dalam M4A atau MP4, FLAC, Ogg dengan Opus atau Vorbis, WebM/Matroska, dan MOV. Untuk berkas video, model menggunakan trek audio pertama. AIFF, CAF, WMA, AMR, AC-3, dan PCM mentah tanpa header tidak didukung. Satu berkas audio diberikan per permintaan; hasil tiba setelah seluruh rekaman selesai ditranskripsikan, dan rekaman panjang dapat membutuhkan beberapa menit. Klip lebih pendek dari sekitar 0,08 detik ditolak.

Respons produsen memuat teks lengkap, durasi rekaman dalam detik, dan larik segments. Pro menandai pergantian pembicara langsung dalam teks dengan label seperti <|speaker:0|> dan <|speaker:1|>; label berlaku untuk teks berikutnya hingga penanda selanjutnya. Ini adalah pengenal dalam satu respons, bukan nama atau identitas terverifikasi yang dapat dicocokkan lintas permintaan. Jika transkrip tidak memiliki penanda pembicara, panduan memperlakukannya sebagai hasil satu pembicara. Simpan teks sebelum penanda pertama bersama giliran pertama, bukan membuangnya.

Cap waktu tingkat kata bersifat opsional. Dalam permintaan produsen, ignore_timestamps bernilai bawaan true; mengaturnya menjadi false meminta segments dengan text, start, dan end dalam detik. Segmen biasanya satu kata, atau satu maupun beberapa karakter dalam bahasa Tionghoa dan Jepang. Teks segmen menghilangkan tanda baca, penanda pembicara, dan petunjuk kejadian, serta dapat menormalisasi nilai yang diucapkan secara berbeda dari transkrip lengkap. Segmen kata dapat memiliki waktu mulai dan akhir yang sama. Larik segments kosong dapat berarti cap waktu tidak diminta, tidak ditemukan ucapan, atau pemasaan sementara tidak tersedia. Gunakan transkrip lengkap untuk pilihan kata yang mudah dibaca dan segments untuk penyelarasan alih-alih menganggap kedua string cocok karakter demi karakter.

Pengaturan diarize bernilai bawaan auto. Ketika cap waktu diminta dan diarize bukan false, Pro juga mengembalikan speaker_turns. Setiap giliran memuat label pembicara, teks, dan waktu mulai/akhir, mempertahankan tanda baca serta petunjuk yang disimpan tanpa penanda pembicara dalam teks. Jika pemasaan kata tidak tersedia, waktu giliran dapat bersifat perkiraan dan mencakup seluruh rekaman; giliran bersebelahan tidak harus bersambung atau bebas tumpang tindih. Menonaktifkan diarize menghilangkan daftar giliran terstruktur tetapi mempertahankan penanda pembicara dalam teks lengkap. Jumlah pembicara yang diketahui, atau jumlah minimum dan maksimum, dapat memandu diarisasi rekaman lebih panjang berdasarkan upaya terbaik. Jumlah tepat tidak dapat digabungkan dengan batas jumlah, dan petunjuk jumlah tidak dapat digunakan ketika diarize dinonaktifkan.

Petunjuk emosi dan kejadian vokal muncul sebagai teks dalam kurung siku, misalnya [laughter], bersama ucapan yang dikenali. Petunjuk ini adalah inferensi dari audio, bukan kata-kata yang perlu ditambahkan pengguna sebelum transkripsi. Pengaturan tag_audio_events Pro bernilai bawaan true; menonaktifkannya menghapus petunjuk tersebut dari transkrip dan teks giliran tanpa mengubah pemasaan. Tidak ada bidang emosi terpisah atau enumerasi emosi tetap. Simpan transkrip beranotasi ketika bunyi suatu ucapan penting, dan gunakan versi tanpa petunjuk ketika artefak berikutnya hanya membutuhkan kata-kata yang diucapkan.

Bahasa dideteksi otomatis. Petunjuk ISO 639-1 huruf kecil opsional tidak memaksa terjemahan atau mengubah transkrip Pro. Jika bahasa tidak dapat ditentukan, kode bahasa yang dikembalikan dapat mencerminkan petunjuk tanpa memverifikasinya terhadap audio. Produsen melaporkan satu bahasa, bukan inventaris semua bahasa dalam rekaman campuran. Simpan pilihan kata asli dan metadata bahasa bersama-sama saat menyiapkan arsip yang dapat dicari, terutama ketika bagian percakapan berganti bahasa.

Untuk takarir, kelompokkan kata berwaktu yang berurutan menjadi cue SRT atau WebVTT yang mudah dibaca, bukan menghasilkan satu takarir per kata. Pisahkan cue di sekitar jeda dan pilih panjang serta waktu tampil sesuai pemutar dan audiens. Batas giliran bicara dapat memisahkan pembicara berbeda ke cue tersendiri. Periksa hasil pemasaan kosong dan cue yang waktu akhirnya harus lebih lambat daripada waktu mulai. Format takarir, nama untuk label pembicara anonim, dan ringkasan berikutnya merupakan artefak aplikasi yang dibangun dari hasil transkripsi.

Untuk alur rekaman praktis, putuskan sebelum transkripsi apakah yang dibutuhkan adalah transkrip biasa yang mudah dibaca, giliran percakapan beranotasi, atau takarir berwaktu. Simpan pengenal audio bersama hasil, pertahankan teks lengkap yang dikembalikan ketika tanda baca dan petunjuk penting, serta gunakan bidang pemasaan terstruktur untuk navigasi. Kemampuan rekaman panjang dan banyak pembicara Pro berbeda dari model Transcribe 1 umum untuk rekaman pendek; batas serta kendalinya tidak boleh diperlakukan sebagai saling dapat dipertukarkan.

Tersedia di Ailoot · masukan & metode

Ailoot Ultra · Pengenalan ucapan POST /v1/audio/transcriptions
Masukan
audio
Keluaran
text
Format keluaran
json
KolomJenisPersyaratanNilai & batasanBawaan
KolommodelJenisstringPersyaratanWajibNilai & batasan
fish-audio/transcribe-1-pro
Bawaan—
Kolominput_audioJenisobjectPersyaratanWajibNilai & batasan
Kunci persis: data, format
Bawaan—
Kolominput_audio.dataJenisbase64_stringPersyaratanWajibNilai & batasan
Byte terdekode maksimum: 26.214.400
Base64 ketat: Ya
Bawaan—
Kolominput_audio.formatJenisstringPersyaratanWajibNilai & batasan
Kondisi: Harus sama dengan format berkas aktual hasil pemeriksaan
Bawaan—
Kolomresponse_formatJenisstringPersyaratanOpsionalNilai & batasan
json
Bawaan—
Kombinasi bahan masukan

speech_to_text · Wajib: input_audio.data, input_audio.format

Parameter metode dan siklus hidup
ParameterKontrak
Parametercontent_typeKontrakapplication/json
ParameterrequiredKontrakmodel, input_audio
Parameteradditional_propertiesKontrakfalse
ParameterparametersKontrak{"name":"model","type":"string","required":true,"enum":["fish-audio/transcribe-1-pro"]}, {"name":"input_audio","type":"object","required":true,"exact_keys":["data","format"],"data":"base64 ketat dari byte audio aktual yang didukung","format":"format berkas hasil pemeriksaan yang persis; harus sesuai dengan byte aktual"}, {"name":"response_format","type":"string","required":false,"enum":["json"]}
Parametermax_audio_bytesKontrak26214400
Parametermultipart_for_this_profileKontrakfalse
Parametermaterial_typesKontrakaudio

Siklus hidup: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id aktual yang dikembalikan atau catatan pustaka media

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Simpan respons secara utuh dan ID asli yang dikembalikan.

Jangan pernah kirim ulang pembuatan yang statusnya tidak diketahui.

Paket

Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.

Mode Fast
Tidak ditentukan Saat mode fast dipilih
Mode Flex
Tidak ditentukan Saat mode flex dipilih
Upaya penalaran maksimum
Tidak ditentukan Saat upaya penalaran maksimum menggunakan penyesuaian default

Tarif Ailoot

Harga menurut konfigurasi

Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.

KonfigurasiJadwal tarifSatuan penagihanBiaya
KonfigurasiTarif dasar tokenJadwal tarifTarif dasarSatuan penagihan—Biaya
Masukan · Token masukan — / 1K token
Keluaran · Token keluaran — / 1K token
Masukan · Pembacaan cache — / 1K token
Masukan · Penulisan cache — / 1K token
Masukan · Penulisan cache, 1 jam — / 1K token
Konfigurasidetik audio masukanJadwal tarif—Satuan penagihanper detik audio masukanBiaya
Masukan · detik audio masukan $0.0002 per detik audio masukan

Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →

Detail tarif referensi

Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.

Fish Audio: Transcribe 1 Pro

Harga menurut konfigurasi

KonfigurasiKondisi penagihanBiaya
KonfigurasiFish Audio: Transcribe 1 Pro · Konfigurasi bawaanKondisi penagihanKonfigurasi bawaanBiaya
Masukan · Detik audio masukan US$0,0002 per detik audio masukan

Contoh permintaan

Ailoot Ultra · Pengenalan ucapan

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set your actual audio file}"\n: "${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}"\nexport AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "fish-audio/transcribe-1-pro", "response_format": "json"}')\nimport base64\nf=Path(os.environ['AILOOT_AUDIO_FILE'])\nraw=f.read_bytes()\nif not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB')\nfmt=os.environ['AILOOT_AUDIO_FORMAT'].strip()\nif not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes')\np['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt}\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\n

Terima dan simpan hasil

Ailoot Ultra · Pengenalan ucapan

json

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.

Simpan JSON secara utuh, header respons, teks, dan setiap bidang penggunaan aktual yang dikembalikan. Gunakan identitas tugas/aset aktual dari respons atau pustaka media milik Ailoot; operation_id bukan task_id.

Jika respons asli perlu diperiksa

Simpan operation_id/X-Client-Request-ID asli untuk rekonsiliasi tanpa pengiriman ulang; tidak ada rute polling khusus audio.

Kolom respons
KolomJenisArti
KolomtextJenisstringArtiTeks hasil transkripsi.
KolomusageJenisobjectArtiPenggunaan audio.
Kolomusage.secondsJenisnumberArtiDurasi audio dalam detik.
KolomdurationJenisnumberArtiDurasi audio dalam detik.
Kolomtask_idJenisstringArtiID tugas transkrip; dikembalikan bersama asset_url ketika transkrip yang tidak kosong disimpan, dipublikasikan, dan diberi URL konten bertanda tangan.
Kolomasset_urlJenisstringArtiURL konten transkrip bertanda tangan; dikembalikan bersama task_id ketika transkrip yang tidak kosong disimpan, dipublikasikan, dan diberi URL konten bertanda tangan.
Kesalahan dan langkah berikutnya
ResponsKondisiLangkah berikutnya
Respons400 · invalid_request_errorKondisiBidang wajib, representasi materi, atau nilai parameter tidak validLangkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru.
Responsserver_errorKondisiRespons yang dikembalikan menyatakan bahwa operasi atau hasil perlu diperiksaLangkah berikutnyaSimpan ID operasi/tugas asli yang dikembalikan, header permintaan, dan respons; lanjutkan pembacaan yang didukung untuk operasi asli tersebut. Jangan kirim ulang permintaan pembuatan.

Alias

Alias model

Ailoot Ultra fish-audio/transcribe-1-pro

Alias jalur metode

Gunakan jalur metode yang ditampilkan di atas.

ID pemanggil terkait

fish-audio/transcribe-1-pro

", "method_identity": { "effective_request_model_id": "fish-audio/transcribe-1-pro", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "fish-audio/transcribe-1-pro", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|fish-audio%2Ftranscribe-1-pro", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete JSON, response headers, text and every actual returned usage field. Use actual task/asset identities from the response or owned library; operation_id is not task_id.", "errors": [ { "code": null, "condition": "Bidang wajib, representasi materi, atau nilai parameter tidak valid", "http_status": 400, "recovery": "Perbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru.", "type": "invalid_request_error" }, { "code": null, "condition": "Respons yang dikembalikan menyatakan bahwa operasi atau hasil perlu diperiksa", "http_status": null, "recovery": "Simpan ID operasi/tugas asli yang dikembalikan, header permintaan, dan respons; lanjutkan pembacaan yang didukung untuk operasi asli tersebut. Jangan kirim ulang permintaan pembuatan.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Simpan operation_id/X-Client-Request-ID asli untuk rekonsiliasi tanpa pengiriman ulang; tidak ada rute polling khusus audio." }, "limits": { "decoded_audio_max_bytes": 26214400 }, "material_combinations": [ { "content_type": "application/json", "mode": "speech_to_text", "required": [ "input_audio.data", "input_audio.format" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "speech_to_text" ], "outputs": { "all_results": "Simpan JSON secara utuh, header respons, teks, dan setiap bidang penggunaan aktual yang dikembalikan. Gunakan identitas tugas/aset aktual dari respons atau pustaka media milik Ailoot; operation_id bukan task_id.", "family": "transcription", "fields": [ { "description": "Teks hasil transkripsi.", "name": "text", "required": true, "required_known": true, "type": "string" }, { "description": "Penggunaan audio.", "name": "usage", "required": true, "required_known": true, "type": "object" }, { "description": "Durasi audio dalam detik.", "name": "usage.seconds", "required": true, "required_known": true, "type": "number" }, { "description": "Durasi audio dalam detik.", "name": "duration", "required": true, "required_known": true, "type": "number" }, { "description": "ID tugas transkrip; dikembalikan bersama asset_url ketika transkrip yang tidak kosong disimpan, dipublikasikan, dan diberi URL konten bertanda tangan.", "name": "task_id", "required": false, "required_known": true, "type": "string" }, { "description": "URL konten transkrip bertanda tangan; dikembalikan bersama task_id ketika transkrip yang tidak kosong disimpan, dipublikasikan, dan diberi URL konten bertanda tangan.", "name": "asset_url", "required": false, "required_known": true, "type": "string" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "fish-audio/transcribe-1-pro" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "exact_keys": [ "data", "format" ], "name": "input_audio", "required": true, "type": "object" }, { "availability": "source_interface", "decoded_maximum_bytes": 26214400, "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.data", "required": true, "strict_base64": true, "type": "base64_string" }, { "availability": "source_interface", "conditions": "Harus sama dengan format berkas aktual hasil pemeriksaan", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.format", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "multipart input on this exact profile", "fields outside model/input_audio/response_format", "non-json response format" ] }, "hints": [ "Simpan respons secara utuh dan ID asli yang dikembalikan.", "Jangan pernah kirim ulang pembuatan yang statusnya tidak diketahui." ], "input": { "additional_properties": false, "content_type": "application/json", "material_types": [ "audio" ], "max_audio_bytes": 26214400, "multipart_for_this_profile": false, "parameters": [ { "enum": [ "fish-audio/transcribe-1-pro" ], "name": "model", "required": true, "type": "string" }, { "data": "base64 ketat dari byte audio aktual yang didukung", "exact_keys": [ "data", "format" ], "format": "format berkas hasil pemeriksaan yang persis; harus sesuai dengan byte aktual", "name": "input_audio", "required": true, "type": "object" }, { "enum": [ "json" ], "name": "response_format", "required": false, "type": "string" } ], "required": [ "model", "input_audio" ] }, "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "task_id aktual yang dikembalikan atau catatan pustaka media", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "method_aliases": [], "operation_modes": [ "speech_to_text" ], "output": { "family": "text", "type": "JSON transcript with text and usage; actual owned transcript flow" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set your actual audio file}\"\n: \"${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}\"\nexport AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"fish-audio/transcribe-1-pro\", \"response_format\": \"json\"}')\nimport base64\nf=Path(os.environ['AILOOT_AUDIO_FILE'])\nraw=f.read_bytes()\nif not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB')\nfmt=os.environ['AILOOT_AUDIO_FORMAT'].strip()\nif not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes')\np['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt}\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\n", "label": "curl · actual audio bytes and probed format", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Keep the complete response and the original returned IDs.", "Never resubmit an unknown creation." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Распознавание речи", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "fish-audio/transcribe-1-pro", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } } ], "model_id": "fish-audio/transcribe-1-pro", "nativeProvenance": { "input_facts_canonical_sha256": "34b0e4927873ce0520ca156530d2594d1e22d2461c9ea25d89f498f48437cf3c", "input_html_sha256": "866773cfdf8d66b44dbf09899eaee0a98f7bc1a2352ef6dffd7ed1d9c9a6eeb7", "private_audit_sha256": "47e3bbaca7df9af058f7aa3eb1ab02fba99b01b39d337175c1fcc384f480ad68", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/id/fish-audio-transcribe-1-pro/", "description": "Transcribe 1 Pro mengubah rekaman hingga 60 menit menjadi teks dengan penanda pembicara dan pemasaan tingkat kata opsional. Model mempertahankan petunjuk emosi serta kejadian vokal hasil inferensi, sehingga wawancara, rapat, dan podcast lebih mudah ditinjau, dicari, atau disiapkan untuk takarir.", "locale": "id", "md_url": "https://ailoot.ai/models/id/fish-audio-transcribe-1-pro/index.md", "title": "Fish Audio: Transcribe 1 Pro — Ailoot", "url": "https://ailoot.ai/models/id/fish-audio-transcribe-1-pro/" }, "rawModel": { "about": "Transcribe 1 Pro adalah model ucapan-ke-teks Fish Audio untuk klip pendek, percakapan banyak pembicara, dan rekaman panjang. Model menerima audio rekaman dan mengembalikan transkrip, dengan pemasaan opsional serta giliran bicara terstruktur. Ciri khasnya adalah pergantian pembicara yang ditandai dalam teks dan petunjuk emosi atau kejadian vokal, sehingga lebih banyak struktur percakapan rekaman dipertahankan dibanding urutan kata biasa.\n\nUntuk wawancara, rapat, atau podcast, simpan seluruh percakapan dalam satu berkas agar pembicara yang muncul kembali dapat mempertahankan label konsisten dalam respons. Artefak peninjauan yang berguna adalah transkrip yang terhubung dengan rekaman asli, dengan giliran ditampilkan terpisah dan cap waktu tersedia untuk memeriksa kutipan. Ringkasan atau daftar tindakan merupakan tahap aplikasi berikutnya: pisahkan dari transkrip agar sumber ucapan tetap tersedia untuk perbandingan.\n\nProdusen menerima rekaman hingga 60 menit dan menjelaskan pemrosesan berkas panjang dengan audio terkompresi seperti MP3, Opus, atau AAC. Format yang didukung meliputi WAV, MP3, AAC dalam M4A atau MP4, FLAC, Ogg dengan Opus atau Vorbis, WebM/Matroska, dan MOV. Untuk berkas video, model menggunakan trek audio pertama. AIFF, CAF, WMA, AMR, AC-3, dan PCM mentah tanpa header tidak didukung. Satu berkas audio diberikan per permintaan; hasil tiba setelah seluruh rekaman selesai ditranskripsikan, dan rekaman panjang dapat membutuhkan beberapa menit. Klip lebih pendek dari sekitar 0,08 detik ditolak.\n\nRespons produsen memuat teks lengkap, durasi rekaman dalam detik, dan larik segments. Pro menandai pergantian pembicara langsung dalam teks dengan label seperti <|speaker:0|> dan <|speaker:1|>; label berlaku untuk teks berikutnya hingga penanda selanjutnya. Ini adalah pengenal dalam satu respons, bukan nama atau identitas terverifikasi yang dapat dicocokkan lintas permintaan. Jika transkrip tidak memiliki penanda pembicara, panduan memperlakukannya sebagai hasil satu pembicara. Simpan teks sebelum penanda pertama bersama giliran pertama, bukan membuangnya.\n\nCap waktu tingkat kata bersifat opsional. Dalam permintaan produsen, ignore_timestamps bernilai bawaan true; mengaturnya menjadi false meminta segments dengan text, start, dan end dalam detik. Segmen biasanya satu kata, atau satu maupun beberapa karakter dalam bahasa Tionghoa dan Jepang. Teks segmen menghilangkan tanda baca, penanda pembicara, dan petunjuk kejadian, serta dapat menormalisasi nilai yang diucapkan secara berbeda dari transkrip lengkap. Segmen kata dapat memiliki waktu mulai dan akhir yang sama. Larik segments kosong dapat berarti cap waktu tidak diminta, tidak ditemukan ucapan, atau pemasaan sementara tidak tersedia. Gunakan transkrip lengkap untuk pilihan kata yang mudah dibaca dan segments untuk penyelarasan alih-alih menganggap kedua string cocok karakter demi karakter.\n\nPengaturan diarize bernilai bawaan auto. Ketika cap waktu diminta dan diarize bukan false, Pro juga mengembalikan speaker_turns. Setiap giliran memuat label pembicara, teks, dan waktu mulai/akhir, mempertahankan tanda baca serta petunjuk yang disimpan tanpa penanda pembicara dalam teks. Jika pemasaan kata tidak tersedia, waktu giliran dapat bersifat perkiraan dan mencakup seluruh rekaman; giliran bersebelahan tidak harus bersambung atau bebas tumpang tindih. Menonaktifkan diarize menghilangkan daftar giliran terstruktur tetapi mempertahankan penanda pembicara dalam teks lengkap. Jumlah pembicara yang diketahui, atau jumlah minimum dan maksimum, dapat memandu diarisasi rekaman lebih panjang berdasarkan upaya terbaik. Jumlah tepat tidak dapat digabungkan dengan batas jumlah, dan petunjuk jumlah tidak dapat digunakan ketika diarize dinonaktifkan.\n\nPetunjuk emosi dan kejadian vokal muncul sebagai teks dalam kurung siku, misalnya [laughter], bersama ucapan yang dikenali. Petunjuk ini adalah inferensi dari audio, bukan kata-kata yang perlu ditambahkan pengguna sebelum transkripsi. Pengaturan tag_audio_events Pro bernilai bawaan true; menonaktifkannya menghapus petunjuk tersebut dari transkrip dan teks giliran tanpa mengubah pemasaan. Tidak ada bidang emosi terpisah atau enumerasi emosi tetap. Simpan transkrip beranotasi ketika bunyi suatu ucapan penting, dan gunakan versi tanpa petunjuk ketika artefak berikutnya hanya membutuhkan kata-kata yang diucapkan.\n\nBahasa dideteksi otomatis. Petunjuk ISO 639-1 huruf kecil opsional tidak memaksa terjemahan atau mengubah transkrip Pro. Jika bahasa tidak dapat ditentukan, kode bahasa yang dikembalikan dapat mencerminkan petunjuk tanpa memverifikasinya terhadap audio. Produsen melaporkan satu bahasa, bukan inventaris semua bahasa dalam rekaman campuran. Simpan pilihan kata asli dan metadata bahasa bersama-sama saat menyiapkan arsip yang dapat dicari, terutama ketika bagian percakapan berganti bahasa.\n\nUntuk takarir, kelompokkan kata berwaktu yang berurutan menjadi cue SRT atau WebVTT yang mudah dibaca, bukan menghasilkan satu takarir per kata. Pisahkan cue di sekitar jeda dan pilih panjang serta waktu tampil sesuai pemutar dan audiens. Batas giliran bicara dapat memisahkan pembicara berbeda ke cue tersendiri. Periksa hasil pemasaan kosong dan cue yang waktu akhirnya harus lebih lambat daripada waktu mulai. Format takarir, nama untuk label pembicara anonim, dan ringkasan berikutnya merupakan artefak aplikasi yang dibangun dari hasil transkripsi.\n\nUntuk alur rekaman praktis, putuskan sebelum transkripsi apakah yang dibutuhkan adalah transkrip biasa yang mudah dibaca, giliran percakapan beranotasi, atau takarir berwaktu. Simpan pengenal audio bersama hasil, pertahankan teks lengkap yang dikembalikan ketika tanda baca dan petunjuk penting, serta gunakan bidang pemasaan terstruktur untuk navigasi. Kemampuan rekaman panjang dan banyak pembicara Pro berbeda dari model Transcribe 1 umum untuk rekaman pendek; batas serta kendalinya tidak boleh diperlakukan sebagai saling dapat dipertukarkan.", "alias_of": null, "aliases": [], "author": "Fish Audio", "available": null, "canonical_model": "fish-audio/transcribe-1-pro", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ], "summary": "Informasi lengkap harga konfigurasi tersedia di bagian detail." } ], "ctx": null, "declared_tariff_references": [ { "client_selectable": false, "key": "aeebfac63d7ddd8619fb", "label": "Fish Audio: Transcribe 1 Pro", "profiles": [ { "basis": "", "dimensions": { "conditions": "Konfigurasi bawaan" }, "label": "Fish Audio: Transcribe 1 Pro · Konfigurasi bawaan", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "0949942d98ce2e4c35b418d6", "label": "Input audio seconds", "public_unit_label": "per input audio second", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_audio_second" } ] } ] } ], "entity_type": "model", "formats": [ "transcriptions" ], "id": "fish-audio/transcribe-1-pro", "input": [ "audio" ], "kind": "transcription", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete JSON, response headers, text and every actual returned usage field. Use actual task/asset identities from the response or owned library; operation_id is not task_id.", "errors": [ { "code": null, "condition": "Bidang wajib, representasi materi, atau nilai parameter tidak valid", "http_status": 400, "recovery": "Perbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru.", "type": "invalid_request_error" }, { "code": null, "condition": "Respons yang dikembalikan menyatakan bahwa operasi atau hasil perlu diperiksa", "http_status": null, "recovery": "Simpan ID operasi/tugas asli yang dikembalikan, header permintaan, dan respons; lanjutkan pembacaan yang didukung untuk operasi asli tersebut. Jangan kirim ulang permintaan pembuatan.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Simpan operation_id/X-Client-Request-ID asli untuk rekonsiliasi tanpa pengiriman ulang; tidak ada rute polling khusus audio." }, "limits": { "decoded_audio_max_bytes": 26214400 }, "material_combinations": [ { "content_type": "application/json", "mode": "speech_to_text", "required": [ "input_audio.data", "input_audio.format" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "speech_to_text" ], "outputs": { "all_results": "Simpan JSON secara utuh, header respons, teks, dan setiap bidang penggunaan aktual yang dikembalikan. Gunakan identitas tugas/aset aktual dari respons atau pustaka media milik Ailoot; operation_id bukan task_id.", "family": "transcription", "fields": [ { "description": "Teks hasil transkripsi.", "name": "text", "required": true, "required_known": true, "type": "string" }, { "description": "Penggunaan audio.", "name": "usage", "required": true, "required_known": true, "type": "object" }, { "description": "Durasi audio dalam detik.", "name": "usage.seconds", "required": true, "required_known": true, "type": "number" }, { "description": "Durasi audio dalam detik.", "name": "duration", "required": true, "required_known": true, "type": "number" }, { "description": "ID tugas transkrip; dikembalikan bersama asset_url ketika transkrip yang tidak kosong disimpan, dipublikasikan, dan diberi URL konten bertanda tangan.", "name": "task_id", "required": false, "required_known": true, "type": "string" }, { "description": "URL konten transkrip bertanda tangan; dikembalikan bersama task_id ketika transkrip yang tidak kosong disimpan, dipublikasikan, dan diberi URL konten bertanda tangan.", "name": "asset_url", "required": false, "required_known": true, "type": "string" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "fish-audio/transcribe-1-pro" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "exact_keys": [ "data", "format" ], "name": "input_audio", "required": true, "type": "object" }, { "availability": "source_interface", "decoded_maximum_bytes": 26214400, "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.data", "required": true, "strict_base64": true, "type": "base64_string" }, { "availability": "source_interface", "conditions": "Harus sama dengan format berkas aktual hasil pemeriksaan", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.format", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "multipart input on this exact profile", "fields outside model/input_audio/response_format", "non-json response format" ] }, "hints": [ "Simpan respons secara utuh dan ID asli yang dikembalikan.", "Jangan pernah kirim ulang pembuatan yang statusnya tidak diketahui." ], "input": { "additional_properties": false, "content_type": "application/json", "material_types": [ "audio" ], "max_audio_bytes": 26214400, "multipart_for_this_profile": false, "parameters": [ { "enum": [ "fish-audio/transcribe-1-pro" ], "name": "model", "required": true, "type": "string" }, { "data": "base64 ketat dari byte audio aktual yang didukung", "exact_keys": [ "data", "format" ], "format": "format berkas hasil pemeriksaan yang persis; harus sesuai dengan byte aktual", "name": "input_audio", "required": true, "type": "object" }, { "enum": [ "json" ], "name": "response_format", "required": false, "type": "string" } ], "required": [ "model", "input_audio" ] }, "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "task_id aktual yang dikembalikan atau catatan pustaka media", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "method_aliases": [], "operation_modes": [ "speech_to_text" ], "output": { "family": "text", "type": "JSON transcript with text and usage; actual owned transcript flow" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set your actual audio file}\"\n: \"${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}\"\nexport AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"fish-audio/transcribe-1-pro\", \"response_format\": \"json\"}')\nimport base64\nf=Path(os.environ['AILOOT_AUDIO_FILE'])\nraw=f.read_bytes()\nif not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB')\nfmt=os.environ['AILOOT_AUDIO_FORMAT'].strip()\nif not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes')\np['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt}\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\n", "label": "curl · actual audio bytes and probed format", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Keep the complete response and the original returned IDs.", "Never resubmit an unknown creation." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Распознавание речи", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "fish-audio/transcribe-1-pro", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "model_aliases": [ { "canonical_model_id": "fish-audio/transcribe-1-pro", "request_model_id": "fish-audio/transcribe-1-pro", "route_label": "Ultra" } ], "name": "Fish Audio: Transcribe 1 Pro", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Ultra", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_declared_unit", "conditions": {}, "key": "prompt", "label": "prompt", "quantity": "1", "rate_role": "typed_active_maker_rate", "side": "in", "unit": "input_audio_second" } ] } ], "public_id": "fish-audio/transcribe-1-pro", "short": "Transcribe 1 Pro mengubah rekaman hingga 60 menit menjadi teks dengan penanda pembicara dan pemasaan tingkat kata opsional. Model mempertahankan petunjuk emosi serta kejadian vokal hasil inferensi, sehingga wawancara, rapat, dan podcast lebih mudah ditinjau, dicari, atau disiapkan untuk takarir." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Transcribe 1 Pro mengubah rekaman hingga 60 menit menjadi teks dengan penanda pembicara dan pemasaan tingkat kata opsional. Model mempertahankan petunjuk emosi serta kejadian vokal hasil inferensi, sehingga wawancara, rapat, dan podcast lebih mudah ditinjau, dicari, atau disiapkan untuk takarir.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "c014eed5fd847e2478d5cea396c9280628c7daa98df75da5b15cf2b11574b64e", "renderer_sha256": "2a0471475a29000c23db326ca1e315df73dee7524f6bc2907818ee3458813f2d" }, "sourceRevision": "333e3897fdff1f7fb137481ea0239b3e09e2aa91eaa887ee99f84c250650a5fb" }