Source: https://ailoot.ai/models/it/meta-muse-voice-transcribe-1-0/ Canonical: https://ailoot.ai/models/it/meta-muse-voice-transcribe-1-0/ Language: it # Meta: Muse Voice Transcribe 1.0 [Markdown](https://ailoot.ai/models/it/meta-muse-voice-transcribe-1-0/index.md) · [JSON](https://ailoot.ai/models/it/meta-muse-voice-transcribe-1-0/facts.json) ## [Meta: Muse Voice Transcribe 1.0](https://ailoot.ai/models/it/meta-muse-voice-transcribe-1-0/) Muse Voice Transcribe 1.0 è il modello di Meta per la conversione da parlato a testo, destinato alla dettatura, al rilevamento dei turni di parola e alle trascrizioni con attribuzione ai parlanti. Supporta indicazioni sulla lingua e sul vocabolario, alternanza di lingue e riferimenti temporali a livello di turno, con flussi di lavoro separati per clip registrate e audio dal vivo. - [**Ailoot Ultra · Trascrizione** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/it/meta-muse-voice-transcribe-1-0/#method-0) Informazioni sul modello 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. Muse Voice Transcribe 1.0 è il modello di percezione audio di Meta per trascrivere il parlato, rilevare i confini degli enunciati e attribuire i turni ai parlanti. Appartiene alla famiglia di modelli Muse Spark e combina riconoscimento, diarizzazione ed endpointing all’interno del modello. Il suo output è il testo riconosciuto, con le informazioni temporali e sul parlante disponibili nella modalità selezionata. Il modello elabora l’audio in blocchi di 80 millisecondi e decide quando continuare ad ascoltare o emettere testo. Il ritardo adattivo gli consente di attendere ulteriore audio quando una parola è più difficile da riconoscere. Questo produce testo parziale mentre il parlato arriva, seguito dai risultati di trascrizione completati. Considera l’ipotesi parziale e il turno completato come fasi diverse dell’esperienza di ascolto. Scegli fra tre modalità. Push-to-talk è quella predefinita per un singolo enunciato controllato, come una domanda vocale o un breve passaggio dettato. Endpointing consente al modello di rilevare i confini dei turni di parola e restituire una trascrizione completata per ogni segmento rilevato. Diarization attribuisce il parlato riconosciuto a etichette dei parlanti ed è destinata alle registrazioni con più parlanti, anziché alla più rapida alternanza dei turni nei comandi vocali. Per una clip registrata, il flusso di trascrizione dei file restituisce una trascrizione completa in una sola richiesta. Il risultato predefinito è un JSON che contiene la trascrizione e la durata dell’audio, con un array turns nelle modalità endpointing e diarization. Ogni turno può riportare un identificatore, inizio e fine in millisecondi e il testo riconosciuto. Le etichette dei parlanti sono presenti nella modalità diarization. Push-to-talk produce la trascrizione completa senza turni rilevati in quell’array. L’interfaccia del produttore per i file registrati può inoltre restituire testo semplice o un flusso di eventi di trascrizione. Il testo semplice mantiene i turni rilevati su righe separate e può includere le etichette dei parlanti; un flusso di eventi termina dopo l’evento finale, senza un riepilogo JSON separato. La modalità parziale delta restituisce testo incrementale, mentre l’evento finale di trascrizione contiene il testo completo. Prepara un file RIFF/WAVE contenente audio mono PCM a interi di 16 bit, a 16 o 24 kHz. La frequenza nativa del modello è 24 kHz e l’interfaccia accetta anche 16 kHz. Converti gli altri contenitori o le altre codifiche nel formato WAV supportato prima di fornire una registrazione. Il profilo di trascrizione dei file consente audio fino a 10 minuti e un corpo totale della richiesta fino a 32 MB. Conserva la registrazione originale e ogni conversione associata alla trascrizione restituita per una successiva verifica tramite ascolto. Il flusso di audio dal vivo usa PCM grezzo mono con segno a 16 bit little-endian, con audio a 16 o 24 kHz inviato a una cadenza approssimativamente in tempo reale. La finestra di sessione documentata è di 60 minuti. Meta descrive un input audio nativo superiore a un’ora; i limiti documentati per i file e le sessioni dal vivo rimangono confini separati dell’interfaccia. Scegli il flusso per file registrati o quello dal vivo in base al fatto che l’audio sia già completo o ancora in acquisizione, e mantieni i risultati di sessioni diverse associati ai rispettivi segmenti di input. Muse Voice Transcribe è addestrato su più di 70 lingue, mentre l’interfaccia di riconoscimento documentata elenca 25 lingue supportate. Fra queste figurano inglese, francese, tedesco, spagnolo, arabo, cinese mandarino, hindi, giapponese, coreano, italiano e portoghese. Riconosce l’alternanza di lingue all’interno delle frasi o fra una frase e l’altra. Un’indicazione sulla lingua può specificare le lingue attese nell’audio, ma orienta il riconoscimento anziché imporre una sola lingua alla trascrizione. Le indicazioni sul vocabolario aiutano con termini di prodotto, acronimi, nomi o luoghi importanti in una registrazione. Fornisci le parole effettive e le grafie che ti aspetti di ascoltare. L’elenco di parole chiave orienta il riconoscimento senza garantire una grafia esatta, quindi verifica i termini decisivi confrontandoli con l’audio. Le indicazioni sulla lingua e le parole chiave vengono selezionate all’inizio della trascrizione; mantienile adeguate a quella registrazione anziché cambiarne il significato durante una sessione in corso. Il modello supporta la diarizzazione per conversazioni con più di 20 parlanti. Etichette come A e B identificano i parlanti all’interno di una trascrizione. Non sono nomi verificati e non stabiliscono che un’etichetta si riferisca alla stessa persona in un’altra sessione. Per un’attività di analisi di una riunione originale, richiedi turni attribuiti ai parlanti, conserva la registrazione e usa le etichette per organizzare la discussione prima di assegnare eventuali nomi reali dei partecipanti attraverso il flusso di lavoro circostante. Le trascrizioni parziali dal vivo possono cambiare con l’arrivo di altro parlato. Nella modalità cumulativa, ogni risultato parziale sostituisce l’ipotesi precedente anziché aggiungerne un’altra copia. Un rilevamento della fine del parlato indica un confine, mentre il risultato del turno completato fornisce il testo finale e può differire dall’ultimo risultato parziale. Mantieni i turni sovrapposti associati ai rispettivi identificatori e acquisisci i risultati completati prima di considerare conclusa una trascrizione. Quando l’input dal vivo termina, segnala la fine dell’input e continua a ricevere finché il produttore non ha finito di inviare i risultati in attesa. Chiudere immediatamente la connessione può far perdere quei risultati; un confine del parlato rilevato conclude un turno, anziché l’intera sessione. I riferimenti temporali sono a livello di turno. Questo profilo non fornisce timestamp a livello di parola né punteggi di confidenza, e l’avanzamento dell’elaborazione audio non è un timestamp per una parola specifica. Anche il rilevamento di eventi sonori, il rilevamento delle emozioni e la riformattazione delle trascrizioni sono esterni al profilo di output documentato. Usa gli intervalli dei turni restituiti per una sequenza temporale dei parlanti o una verifica a livello di segmento, e conserva le parole riconosciute se un passaggio di revisione separato crea successivamente note più ordinate. Fra gli artefatti utili figurano un passaggio dettato completato, la trascrizione di una domanda vocale, una conversazione attribuita ai parlanti o una sequenza temporale degli enunciati. Confronta nomi, numeri e termini tecnici con la registrazione originale, preserva la modalità e le associazioni temporali e mantieni disponibili i turni completi per la verifica. La trascrizione stabilisce che cosa è stato riconosciuto nell’audio; rispondere a una domanda pronunciata, tradurla o trasformarla in note di riunione spetta a un passaggio successivo dell’applicazione. **Ailoot Ultra · Trascrizione** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0` [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/it/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) Meta /`meta/muse-voice-transcribe-1.0` ### Introduzione Muse Voice Transcribe 1.0 è il modello di Meta per la conversione da parlato a testo, destinato alla dettatura, al rilevamento dei turni di parola e alle trascrizioni con attribuzione ai parlanti. Supporta indicazioni sulla lingua e sul vocabolario, alternanza di lingue e riferimenti temporali a livello di turno, con flussi di lavoro separati per clip registrate e audio dal vivo. Input accettati Audio Risultati Testo ### Disponibile in Ailoot · input e metodi **Ailoot Ultra · Trascrizione** `POST /v1/audio/transcriptions` Tipi di input `audio` Tipi di output `text` | Campo | Tipo | Requisito | Valori e limiti | Predefinito | | --- | --- | --- | --- | --- | | Campo`model` | Tipo`string` | RequisitoObbligatorio | Valori e limiti meta/muse-voice-transcribe-1.0 | Predefinito— | | Campo`input_audio` | Tipo`object` | RequisitoObbligatorio | Valori e limiti | Predefinito— | Parametri e ciclo di vita del metodo | Parametro | Contratto | | --- | --- | | Parametro`content_type` | Contrattoapplication/json | | Parametro`required` | Contrattomodel, input\_audio | | Parametro`material_types` | Contrattoaudio | | Parametro`material_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}` ### Tariffe Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato. Modalità rapida Non specificato Quando è selezionata la modalità rapida Modalità flex Non specificato Quando è selezionata la modalità flex Sforzo massimo di ragionamento Non specificato Quando lo sforzo massimo di ragionamento usa l'adeguamento predefinito (default) #### Tariffe Ailoot #### Prezzi per configurazione 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 **$0.0001** per secondo di audio in input | Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. [Come funzionano la prenotazione e l’addebito finale →](https://ailoot.ai/docs/it/billing/reserve/) ### Esempi di richieste #### Ailoot Ultra · Trascrizione curl · file WAV effettivo e risultato originale completo ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import base64, io, json, os, wave from pathlib import Path audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'): raise SystemExit('Supply your actual PCM WAV audio file') with wave.open(io.BytesIO(audio), 'rb') as recording: if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0: raise SystemExit('Supply a nonempty PCM WAV recording') request = {'model': 'meta/muse-voice-transcribe-1.0', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}} Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o response.bin # Retain the complete original response, headers and actual X-Client-Request-ID. # Read existing owned records for recovery; do not resubmit an uncertain operation. ``` ### Ricevi e salva i risultati #### Ailoot Ultra · Trascrizione Corpo 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}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Conserva tutti i risultati completati 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. ##### Se occorre verificare la risposta originale 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. Campi della risposta | Campo | Tipo | | --- | --- | | Campo`text (when present)` | Tipo | | Campo`usage (when present)` | Tipo | Errori e passaggi successivi | 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. | ### Alias #### Alias del modello **Ailoot Ultra** [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/it/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) #### Alias dei percorsi dei metodi Usa i percorsi dei metodi indicati sopra. #### ID di chiamata correlati [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/it/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) FAQ · Meta: Muse Voice Transcribe 1.0 Quali input e risultati sono disponibili? `POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `audio` → `text` Quali campi usa la richiesta? `POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `model`, `input_audio` Collega Ailoot a Claude Code, OpenCode, Hermes o alla tua applicazione. ## L’azienda e il suo portafoglio di progetti L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. ## Acquista token con uno sconto. Sconto con abbonamento per lavoro regolare. Codici fino al 50% sull’acquisto di token. Abbonamento Scegli un piano scontato per richieste regolari. Codice fino al 50% Inserisci il codice all’acquisto. Il prezzo si aggiorna secondo la promozione. Spese nella cronologia Modello, token e importo sono salvati per ogni richiesta. [Scegli abbonamento](https://ailoot.ai/docs/it/billing/subscriptions/) · [Consulta prezzi dei modelli](https://ailoot.ai/models/it/) ## Collega l’API al prodotto che vendi. SaaS, app e bot secondo offerta e accordo di licenza Ailoot. Per rivendere, richiedi una licenza reseller. Applicazione commerciale Integra generazione di testo, immagini, video e suono nelle funzioni a pagamento. Licenza reseller Invia descrizione del progetto e schema di accesso. Richiedi condizioni scritte per uso e rivendita. Documenti sul sito Offerta, accordo di licenza e politica sui dati sono disponibili prima della connessione. [Richiedi licenza reseller](mailto:support@ailoot.ai) · [Offerta e accordo di licenza](https://ailoot.ai/legal/offer?lang=it) ## Ailoot · L’azienda e il suo portafoglio di progetti Ailoot si basa su un’esperienza operativa consolidata, un’ampia base di clienti, un servizio stabile e un controllo costante dei KPI. L’azienda e il suo portafoglio di progetti: milioni di clienti; vendite nell’ordine dei miliardi ogni mese. Ailoot mette questa esperienza operativa al servizio dell’accesso API alle funzioni AI nei prodotti dei clienti, negli agenti, nelle applicazioni e nelle automazioni.