Transcribe 1 è il modello generale speech-to-text di Fish Audio per registrazioni brevi. Accetta un file audio e restituisce le parole riconosciute sotto forma di testo, insieme alla durata della registrazione, a segmenti temporizzati facoltativi e a informazioni sulla lingua, quando disponibili. Questo modello è utile per una breve nota vocale, un’istruzione parlata, un estratto di registrazione o una clip audio che necessita di una rappresentazione testuale leggibile.
Un flusso esemplificativo per note vocali conserva la registrazione insieme alla trascrizione completa e a un identificatore della clip originale. Un passaggio applicativo successivo può cercare in quel testo, organizzare la nota o sviluppare un riepilogo conservando la fonte parlata. Per un comando, la trascrizione fornisce all’applicazione le parole riconosciute; qualsiasi azione costituisce un passaggio separato di interpretazione ed esecuzione. Per un estratto di intervista, registra la posizione della clip nell’audio completo, così da poter controllare una citazione nel punto corretto.
Il produttore accetta WAV, MP3, AAC, inclusi M4A/MP4, FLAC e Ogg contenente Opus o Vorbis. Le registrazioni del browser in WebM devono essere convertite in Ogg/Opus, MP3 o WAV per questo modello; Pro documenta il supporto nativo per contenitori aggiuntivi. Fornisci un solo file audio per richiesta. Il limite documentato del modello base è fino a 50 MiB, mantenendo i file MP3 e Opus sotto 25 MiB. Dimensione del file e lunghezza della registrazione sono aspetti diversi: un file compresso può rientrare nel limite di caricamento e richiedere comunque troppo tempo per l’elaborazione.
Transcribe 1 è progettato per registrazioni brevi. Il produttore consiglia Pro per audio più lunghi di pochi minuti; una richiesta lunga al modello base può fallire se supera il limite di tempo di elaborazione. Quando prepari una fonte lunga per trascriverla in clip brevi, conserva l’offset iniziale di ogni clip e conferma che la trascrizione restituita copra l’intera clip prima di combinare i risultati. Aggiungi l’offset originale ai tempi locali dei segmenti per mantenere la navigazione collegata alla registrazione completa. Le indicazioni del modello base non devono essere interpretate come il distinto limite di 60 minuti di Pro.
La risposta del produttore comprende testo, durata e segmenti. La durata è espressa in secondi e la trascrizione completa leggibile deve essere conservata come formulazione principale della clip. I timestamp sono facoltativi: nell’API del produttore ignore_timestamps ha valore predefinito true, mentre false richiede segmenti a livello di parola con testo e tempi di inizio e fine in secondi. Richiedere l’allineamento aumenta il tempo di elaborazione. Un array segments vuoto può derivare da temporizzazione saltata, assenza di parlato o allineamento temporaneamente non disponibile, quindi non deve essere interpretato automaticamente come una trascrizione completa vuota.
I segmenti corrispondono generalmente a parole, oppure a uno o pochi caratteri in cinese e giapponese. Il loro testo omette la punteggiatura e può normalizzare un valore in modo diverso dalla trascrizione completa; non è una copia carattere per carattere della risposta leggibile. Un segmento può avere lo stesso tempo di inizio e di fine. Usa i segmenti per trovare una posizione nella registrazione o preparare una visualizzazione temporizzata e usa il testo completo quando contano formulazione e punteggiatura. Mantieni distinte queste due rappresentazioni nel risultato.
La lingua viene rilevata automaticamente, indipendentemente dalla presenza di un suggerimento linguistico facoltativo. Il produttore documenta codici ISO 639-1 minuscoli per i suggerimenti e restituisce un codice di lingua per la logica applicativa insieme a un nome di lingua da visualizzare, quando noto. La risposta riporta una sola lingua, anziché tutte le lingue di una registrazione che alterna più lingue. Conserva la formulazione originale e i metadati linguistici disponibili con il risultato, anziché trattare la richiesta di trascrizione come un’operazione di traduzione.
Per un flusso di sottotitolazione, raggruppa i segmenti temporizzati consecutivi in battute leggibili, anziché mostrare una parola alla volta. Un output utile è un file SRT o WebVTT collegato alla clip originale, con confini delle battute adatti alle pause e una quantità gestibile di testo sullo schermo. Controlla l’eventuale assenza di temporizzazione e assicurati che la fine di ogni battuta segua il suo inizio. Il raggruppamento dei sottotitoli e la formattazione dei file sono passaggi applicativi costruiti a partire dall’allineamento restituito; le scelte di visualizzazione devono adattarsi al lettore e al pubblico.
I controlli documentati di Transcribe 1 sono l’audio, un suggerimento linguistico e la scelta dei timestamp. I marcatori dei parlanti, i turni strutturati dei parlanti, i controlli degli eventi emotivi e i suggerimenti sul numero di parlanti di Pro sono funzionalità separate; non fanno parte del contratto di risposta documentato di questo modello base. Scegli il risultato necessario prima dell’elaborazione: testo semplice e leggibile per una nota, oppure testo con allineamento per navigazione durante la riproduzione e sottotitoli. Conservare l’identificatore della clip, la trascrizione e qualsiasi temporizzazione disponibile rende il risultato utile per la fase applicativa successiva.
", "aboutText": "Transcribe 1 è il modello generale speech-to-text di Fish Audio per registrazioni brevi. Accetta un file audio e restituisce le parole riconosciute sotto forma di testo, insieme alla durata della registrazione, a segmenti temporizzati facoltativi e a informazioni sulla lingua, quando disponibili. Questo modello è utile per una breve nota vocale, un’istruzione parlata, un estratto di registrazione o una clip audio che necessita di una rappresentazione testuale leggibile.\n\nUn flusso esemplificativo per note vocali conserva la registrazione insieme alla trascrizione completa e a un identificatore della clip originale. Un passaggio applicativo successivo può cercare in quel testo, organizzare la nota o sviluppare un riepilogo conservando la fonte parlata. Per un comando, la trascrizione fornisce all’applicazione le parole riconosciute; qualsiasi azione costituisce un passaggio separato di interpretazione ed esecuzione. Per un estratto di intervista, registra la posizione della clip nell’audio completo, così da poter controllare una citazione nel punto corretto.\n\nIl produttore accetta WAV, MP3, AAC, inclusi M4A/MP4, FLAC e Ogg contenente Opus o Vorbis. Le registrazioni del browser in WebM devono essere convertite in Ogg/Opus, MP3 o WAV per questo modello; Pro documenta il supporto nativo per contenitori aggiuntivi. Fornisci un solo file audio per richiesta. Il limite documentato del modello base è fino a 50 MiB, mantenendo i file MP3 e Opus sotto 25 MiB. Dimensione del file e lunghezza della registrazione sono aspetti diversi: un file compresso può rientrare nel limite di caricamento e richiedere comunque troppo tempo per l’elaborazione.\n\nTranscribe 1 è progettato per registrazioni brevi. Il produttore consiglia Pro per audio più lunghi di pochi minuti; una richiesta lunga al modello base può fallire se supera il limite di tempo di elaborazione. Quando prepari una fonte lunga per trascriverla in clip brevi, conserva l’offset iniziale di ogni clip e conferma che la trascrizione restituita copra l’intera clip prima di combinare i risultati. Aggiungi l’offset originale ai tempi locali dei segmenti per mantenere la navigazione collegata alla registrazione completa. Le indicazioni del modello base non devono essere interpretate come il distinto limite di 60 minuti di Pro.\n\nLa risposta del produttore comprende testo, durata e segmenti. La durata è espressa in secondi e la trascrizione completa leggibile deve essere conservata come formulazione principale della clip. I timestamp sono facoltativi: nell’API del produttore ignore_timestamps ha valore predefinito true, mentre false richiede segmenti a livello di parola con testo e tempi di inizio e fine in secondi. Richiedere l’allineamento aumenta il tempo di elaborazione. Un array segments vuoto può derivare da temporizzazione saltata, assenza di parlato o allineamento temporaneamente non disponibile, quindi non deve essere interpretato automaticamente come una trascrizione completa vuota.\n\nI segmenti corrispondono generalmente a parole, oppure a uno o pochi caratteri in cinese e giapponese. Il loro testo omette la punteggiatura e può normalizzare un valore in modo diverso dalla trascrizione completa; non è una copia carattere per carattere della risposta leggibile. Un segmento può avere lo stesso tempo di inizio e di fine. Usa i segmenti per trovare una posizione nella registrazione o preparare una visualizzazione temporizzata e usa il testo completo quando contano formulazione e punteggiatura. Mantieni distinte queste due rappresentazioni nel risultato.\n\nLa lingua viene rilevata automaticamente, indipendentemente dalla presenza di un suggerimento linguistico facoltativo. Il produttore documenta codici ISO 639-1 minuscoli per i suggerimenti e restituisce un codice di lingua per la logica applicativa insieme a un nome di lingua da visualizzare, quando noto. La risposta riporta una sola lingua, anziché tutte le lingue di una registrazione che alterna più lingue. Conserva la formulazione originale e i metadati linguistici disponibili con il risultato, anziché trattare la richiesta di trascrizione come un’operazione di traduzione.\n\nPer un flusso di sottotitolazione, raggruppa i segmenti temporizzati consecutivi in battute leggibili, anziché mostrare una parola alla volta. Un output utile è un file SRT o WebVTT collegato alla clip originale, con confini delle battute adatti alle pause e una quantità gestibile di testo sullo schermo. Controlla l’eventuale assenza di temporizzazione e assicurati che la fine di ogni battuta segua il suo inizio. Il raggruppamento dei sottotitoli e la formattazione dei file sono passaggi applicativi costruiti a partire dall’allineamento restituito; le scelte di visualizzazione devono adattarsi al lettore e al pubblico.\n\nI controlli documentati di Transcribe 1 sono l’audio, un suggerimento linguistico e la scelta dei timestamp. I marcatori dei parlanti, i turni strutturati dei parlanti, i controlli degli eventi emotivi e i suggerimenti sul numero di parlanti di Pro sono funzionalità separate; non fanno parte del contratto di risposta documentato di questo modello base. Scegli il risultato necessario prima dell’elaborazione: testo semplice e leggibile per una nota, oppure testo con allineamento per navigazione durante la riproduzione e sottotitoli. Conservare l’identificatore della clip, la trascrizione e qualsiasi temporizzazione disponibile rende il risultato utile per la fase applicativa successiva.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "47fa50270eefa1c3ba5d298fdb33c4bc353e381a5b771a6722d7903cb3a60cdc", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "it", "methods": [ { "html": "fish-audio/transcribe-1Transcribe 1 converte brevi registrazioni audio in testo con rilevamento automatico della lingua e timestamp facoltativi a livello di parola. Usa la trascrizione per note vocali, clip ricercabili o preparazione di sottotitoli, mantenendo i segmenti temporizzati separati dal testo completo leggibile.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Transcribe 1 è il modello generale speech-to-text di Fish Audio per registrazioni brevi. Accetta un file audio e restituisce le parole riconosciute sotto forma di testo, insieme alla durata della registrazione, a segmenti temporizzati facoltativi e a informazioni sulla lingua, quando disponibili. Questo modello è utile per una breve nota vocale, un’istruzione parlata, un estratto di registrazione o una clip audio che necessita di una rappresentazione testuale leggibile.
Un flusso esemplificativo per note vocali conserva la registrazione insieme alla trascrizione completa e a un identificatore della clip originale. Un passaggio applicativo successivo può cercare in quel testo, organizzare la nota o sviluppare un riepilogo conservando la fonte parlata. Per un comando, la trascrizione fornisce all’applicazione le parole riconosciute; qualsiasi azione costituisce un passaggio separato di interpretazione ed esecuzione. Per un estratto di intervista, registra la posizione della clip nell’audio completo, così da poter controllare una citazione nel punto corretto.
Il produttore accetta WAV, MP3, AAC, inclusi M4A/MP4, FLAC e Ogg contenente Opus o Vorbis. Le registrazioni del browser in WebM devono essere convertite in Ogg/Opus, MP3 o WAV per questo modello; Pro documenta il supporto nativo per contenitori aggiuntivi. Fornisci un solo file audio per richiesta. Il limite documentato del modello base è fino a 50 MiB, mantenendo i file MP3 e Opus sotto 25 MiB. Dimensione del file e lunghezza della registrazione sono aspetti diversi: un file compresso può rientrare nel limite di caricamento e richiedere comunque troppo tempo per l’elaborazione.
Transcribe 1 è progettato per registrazioni brevi. Il produttore consiglia Pro per audio più lunghi di pochi minuti; una richiesta lunga al modello base può fallire se supera il limite di tempo di elaborazione. Quando prepari una fonte lunga per trascriverla in clip brevi, conserva l’offset iniziale di ogni clip e conferma che la trascrizione restituita copra l’intera clip prima di combinare i risultati. Aggiungi l’offset originale ai tempi locali dei segmenti per mantenere la navigazione collegata alla registrazione completa. Le indicazioni del modello base non devono essere interpretate come il distinto limite di 60 minuti di Pro.
La risposta del produttore comprende testo, durata e segmenti. La durata è espressa in secondi e la trascrizione completa leggibile deve essere conservata come formulazione principale della clip. I timestamp sono facoltativi: nell’API del produttore ignore_timestamps ha valore predefinito true, mentre false richiede segmenti a livello di parola con testo e tempi di inizio e fine in secondi. Richiedere l’allineamento aumenta il tempo di elaborazione. Un array segments vuoto può derivare da temporizzazione saltata, assenza di parlato o allineamento temporaneamente non disponibile, quindi non deve essere interpretato automaticamente come una trascrizione completa vuota.
I segmenti corrispondono generalmente a parole, oppure a uno o pochi caratteri in cinese e giapponese. Il loro testo omette la punteggiatura e può normalizzare un valore in modo diverso dalla trascrizione completa; non è una copia carattere per carattere della risposta leggibile. Un segmento può avere lo stesso tempo di inizio e di fine. Usa i segmenti per trovare una posizione nella registrazione o preparare una visualizzazione temporizzata e usa il testo completo quando contano formulazione e punteggiatura. Mantieni distinte queste due rappresentazioni nel risultato.
La lingua viene rilevata automaticamente, indipendentemente dalla presenza di un suggerimento linguistico facoltativo. Il produttore documenta codici ISO 639-1 minuscoli per i suggerimenti e restituisce un codice di lingua per la logica applicativa insieme a un nome di lingua da visualizzare, quando noto. La risposta riporta una sola lingua, anziché tutte le lingue di una registrazione che alterna più lingue. Conserva la formulazione originale e i metadati linguistici disponibili con il risultato, anziché trattare la richiesta di trascrizione come un’operazione di traduzione.
Per un flusso di sottotitolazione, raggruppa i segmenti temporizzati consecutivi in battute leggibili, anziché mostrare una parola alla volta. Un output utile è un file SRT o WebVTT collegato alla clip originale, con confini delle battute adatti alle pause e una quantità gestibile di testo sullo schermo. Controlla l’eventuale assenza di temporizzazione e assicurati che la fine di ogni battuta segua il suo inizio. Il raggruppamento dei sottotitoli e la formattazione dei file sono passaggi applicativi costruiti a partire dall’allineamento restituito; le scelte di visualizzazione devono adattarsi al lettore e al pubblico.
I controlli documentati di Transcribe 1 sono l’audio, un suggerimento linguistico e la scelta dei timestamp. I marcatori dei parlanti, i turni strutturati dei parlanti, i controlli degli eventi emotivi e i suggerimenti sul numero di parlanti di Pro sono funzionalità separate; non fanno parte del contratto di risposta documentato di questo modello base. Scegli il risultato necessario prima dell’elaborazione: testo semplice e leggibile per una nota, oppure testo con allineamento per navigazione durante la riproduzione e sottotitoli. Conservare l’identificatore della clip, la trascrizione e qualsiasi temporizzazione disponibile rende il risultato utile per la fase applicativa successiva.
POST /v1/audio/transcriptionsaudiotext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti fish-audio/transcribe-1 | Predefinito— |
Campoinput_audio | Tipoobject | RequisitoObbligatorio | Valori e limiti | Predefinito— |
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, input_audio |
Parametromaterial_types | Contrattoaudio |
Parametromaterial_conditions | ContrattoL'esempio legge il tuo file PCM WAV reale e non vuoto, codifica tutti i byte del file in base64 e invia input_audio.format con valore wav. |
Ciclo di vita: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id esatto di un record multimediale esistente di tua proprietà
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Unità di fatturazione | Costo |
|---|---|---|---|
| ConfigurazioneTariffe base dei token | Listino delle tariffeTariffa base | Unità di fatturazione— | Costo Input · Token in input — / 1K token Output · Token in output — / 1K token Input · Lettura dalla cache — / 1K token Input · Scrittura nella cache — / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| Configurazionesecondo audio in ingresso | Listino delle tariffe— | Unità di fatturazioneper secondo di audio in input | Costo Input · secondo audio in ingresso $0.0002 per secondo di audio in input |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'fish-audio/transcribe-1', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\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 response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nCorpo completo della risposta originale, stato e intestazioni inoltrate. Questo gestore non aggiunge alcuna struttura JSON universale, campo di testo o struttura contenitore dell'attività.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva la risposta completa e gli header, ogni output effettivo, gli identificatori originali restituiti e tutti i campi di utilizzo. Recupera l'operazione originale senza inviare nuovamente la richiesta di creazione.
Conserva l'X-Client-Request-ID effettivo e la risposta completa. Consulta le risorse originali di tua proprietà e i relativi URL firmati esatti del contenuto; non inviare mai nuovamente una creazione dall'esito incerto.
| Campo | Tipo |
|---|---|
Campotext (when present) | Tipo |
Campousage (when present) | Tipo |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneIl corpo JSON o l'ID canonico esplicito del modello non è valido. | Passaggio successivoConserva la risposta e correggi il campo della richiesta indicato. |
Risposta401 · authentication_error | CondizioneLa chiave API Ailoot non è valida. | Passaggio successivoUsa la tua chiave API Ailoot autorizzata. |
Risposta403 · permission_error | CondizioneIl gruppo della chiave non è autorizzato a utilizzare questo metodo. | Passaggio successivoConserva i dettagli dell'errore restituiti. |
Risposta404 · not_found_error | CondizioneIl metodo selezionato non dispone di una rotta autorizzata all'utilizzo. | Passaggio successivoConserva i dettagli dell'errore restituiti. |
Risposta422 · price_unavailable | CondizioneLa tariffa accettata non può ottenere la quantità in ingresso o il limite richiesto. | Passaggio successivoConserva la risposta; usa la rappresentazione dell'input richiesta dalla tariffa accettata. |
Risposta503 · | CondizioneL'archiviazione richiesta, la rotta, il prezzo del metodo o la riserva dell'importo non sono disponibili. | Passaggio successivoConserva l'intera risposta originale. Una riserva dell'importo dall'esito incerto non autorizza un nuovo invio. |
Risposta502 · server_error | CondizioneIl risultato originale, i dati di utilizzo o il conguaglio dell'addebito richiedono una verifica. | Passaggio successivoConserva l'ID effettivo della richiesta e la risposta originale. Consulta il record esistente di tua proprietà; non inviare nuovamente la richiesta di creazione. |
Ailoot Ultra fish-audio/transcribe-1
Usa i percorsi dei metodi indicati sopra.