ElevenLabs: Scribe v2 Medical
ElevenLabs Scribe v2 Medicalは、薬剤名、解剖学、病理学の語彙に合わせて調整された、録音済みの臨床音声の文字起こしモデルです。90以上の言語、単語の時刻情報、話者分離、文脈に応じたキーワードに対応します。出力は文書化のために確認できる文字起こしの草案であり、臨床的な解釈ではありません。
モデルについて
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
ElevenLabs Scribe v2 Medicalは、医療・臨床音声に特化したバッチ音声認識版です。Scribe v2をファインチューニングしたモデルで、一般的な音声文字起こしの流れを維持しつつ、薬剤名、解剖学、病理学、臨床での口述の認識に重点を置いています。提供した録音を、時刻情報と任意の話者注釈を含むテキスト草案に変換します。メーカーが想定する用途は、使用前にテキストを確認・訂正する文書化と関連する事務作業です。
有用な入力には、医療従事者と患者の会話の録音、口述、初回聞き取りの通話、ケア調整の話し合いなどがあります。元の録音と、用語を文脈で判別できるだけの前後の発話を保持してください。クリッピングを避け、元の音声に意味のある話者別チャンネルがある場合は分離したままにします。開発元の共通バッチ文字起こしインターフェースは、WAV、MP3、FLAC、M4Aなど一般的な音声形式を受け付けます。医療用語の調整は作業の焦点を高めますが、明らかに欠落している部分や聞き取れない部分を復元するものではありません。
メーカーは、Scribe v2と同じ90以上の言語への対応を文書化しています。医療文字起こしの公開情報では、医療分野の精度向上を英語、フランス語、ドイツ語で測定したと報告しています。これらの結果は、すべての対応言語で専門用語の性能が同等であることを示すものではありません。役立つ場合は既知の言語を指定し、名前や言語が切り替わる用語を残してください。一般的でない臨床語彙は、文が自然に読めるという理由で受け入れず、実際の音声と照合します。
文字起こしの出力には、認識したテキストと時刻付きの単語が含まれ、任意で話者ラベルと音声イベントタグを付けられます。単語の開始・終了時刻を使うと、録音内の薬剤名、発話された数量、言い直しに戻れます。そのため、文字起こしと単語に対応付けられた記録を合わせた成果物が、口述の記録に役立ちます。否定、不確かさ、患者が報告した内容と医療従事者が述べた内容の違いを含め、慎重な確認が必要な詳細を発話全体の文脈で確認してください。
診療中の周囲の会話を収録する場合、話者分離は誰がいつ話したかを整理する助けになります。推定されたラベルは発話のまとまりとして扱い、その後、診療記録を使って既知の役割や人物に対応付けます。声が重なる場合や話者の声が似ている場合は、発話の切り替わりを特に注意して確認してください。各録音チャンネルに一人の話者がいる場合、共通バッチインターフェースではチャンネルを独立して文字起こしする機能も提供されています。チャンネルに基づく帰属と、混合音声から推定した話者分離を区別し、確認に役立つ場合は元のチャンネル構成を維持します。
キーワードの指定は、関連する単語や語句を文脈とともに示して認識を導きます。録音に実際に出てくると想定される用語から、文書化で重要な正しい綴りや略語を含む、対象を絞った用語集を準備します。メーカーのバッチガイドでは最大1,000件のキーワードが認められています。無関係な語彙を網羅するのではなく、短く関連性のある語句にしてください。重要な用語は、そのタイムスタンプで確認します。指定したキーワードは認識の手掛かりであり、その言葉が発話された証拠でも、別の聞き取れる用語を置き換える指示でもありません。
メーカーは、文字起こしとともに、選択された健康情報の分類を含む任意のエンティティ検出を文書化しています。これらの注釈は、権限のある確認工程で、訂正や処理の対象となる箇所を見つける助けになります。共通バッチインターフェースには、検出した文字列を代替ラベルで隠すエンティティのマスキング機能もあります。この機能にはエンティティ検出が必要で、マスキングを有効にするとエンティティ一覧は省略されます。選択した結果に含まれる注釈とともに、返されたテキストと時刻情報を保持してください。後続の編集、要約、抽出は、文字起こしに対する別の変換であり、録音された文言との関係を維持する必要があります。例えば、文を整える際に、発話中の訂正を消したり、不確かな発言を断定的な所見に変えたりしてはいけません。
医療版で定義された作業は文字起こしです。メーカーは、臨床情報の解釈、診断、治療の推奨、臨床判断の支援を、想定用途から明示的に除外しています。文書化のワークフローを完了するには、該当する医療専門職または権限を持つ確認者が草案を録音と照合し、重要な誤りを訂正します。モデルはその作業を支えるテキスト記録を提供します。文字起こし自体が臨床上の発言の正しさを証明したり、確認作業を代替したりするわけではありません。
依頼を準備する際は、版の違いを明確にします。Scribe v2 Medicalは録音済みの音声を処理し、Scribe v2 Realtimeは別のライブ文字起こしモデルです。同じメーカーが音声製品を提供していても、医療向けファインチューニング版が音声合成の上限や機能を引き継ぐわけではありません。有用な結果は、録音に適した時刻情報と話者情報を備えた、確認済みの文字起こし草案です。聞き取れない詳細や不確かな詳細を、もっともらしい臨床用語で黙って埋めるのではなく、訂正できる形で残します。
Ailoot Ultra · 文字起こし POST /v1/audio/transcriptions elevenlabs/scribe-v2-medical
elevenlabs/scribe-v2-medicalはじめに
ElevenLabs Scribe v2 Medicalは、薬剤名、解剖学、病理学の語彙に合わせて調整された、録音済みの臨床音声の文字起こしモデルです。90以上の言語、単語の時刻情報、話者分離、文脈に応じたキーワードに対応します。出力は文書化のために確認できる文字起こしの草案であり、臨床的な解釈ではありません。
- 対応する入力
- 音声
- 結果
- テキスト
Ailootで利用可能 · 入力とメソッド
Ailoot Ultra · 文字起こし POST /v1/audio/transcriptions
- 入力の種類
audio- 出力の種類
text
| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 elevenlabs/scribe-v2-medical | デフォルト— |
フィールドinput_audio | 種類object | 要件必須 | 値と制限 | デフォルト— |
メソッドのパラメータとライフサイクル
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, input_audio |
パラメータmaterial_types | 仕様audio |
パラメータmaterial_conditions | 仕様この例では、実際の空でないPCM WAVファイルを読み込み、ファイル全体のバイト列をbase64にエンコードして、input_audio.formatをwavとして送信します。 |
ライフサイクル: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 既存の所有メディアレコードにある正確なtask_id
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
料金
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
- 高速モード
- 未指定 高速モードが選択されている場合
- Flex モード
- 未指定 flex モードが選択されている場合
- 最大推論量
- 未指定 推論量が最大で、調整に既定値（default）を使用する場合
Ailootの料金
設定別の価格
各料金を表示された条件と照合してください。選択肢となる設定の各組には、いずれか1つの料金を適用します。
| 設定 | 料金表 | 課金単位 | 料金 |
|---|---|---|---|
| 設定基本トークン料金 | 料金表基本料金 | 課金単位— | 料金 入力 · 入力トークン — / 1K トークン 出力 · 出力トークン — / 1K トークン 入力 · キャッシュ読み取り — / 1K トークン 入力 · キャッシュ書き込み — / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
| 設定入力音声の秒 | 料金表— | 課金単位入力音声1秒あたり | 料金 入力 · 入力音声の秒 $0.0001222222222222 入力音声1秒あたり |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
リクエスト例
Ailoot Ultra · 文字起こし
set -eu
: "${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': 'elevenlabs/scribe-v2-medical', '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.
結果を受け取って保存
Ailoot Ultra · 文字起こし
元のレスポンス本文全体、ステータス、および転送されたヘッダー。このハンドラーは共通のJSON構造、テキストフィールド、タスクの外側の構造を追加しません。
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
完了した結果をすべて保存
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
レスポンスとヘッダーの全体、実際の出力すべて、最初に返された識別子、使用量フィールドすべてを保存してください。作成リクエストを再送せずに、元の操作を復旧してください。
元のレスポンスを確認する場合
実際のX-Client-Request-IDと完全なレスポンスを保持してください。元の所有アセットと、その正確な署名付きコンテンツURLを読み取ってください。結果が不確かな作成リクエストは、決して再送信しないでください。
レスポンスのフィールド
| フィールド | 種類 |
|---|---|
フィールドtext (when present) | 種類 |
フィールドusage (when present) | 種類 |
エラーと次の手順
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件JSON本文、または明示された正規モデルIDが無効です。 | 次の手順レスポンスを保持し、指摘されたリクエストフィールドを修正してください。 |
レスポンス401 · authentication_error | 条件Ailoot APIキーが無効です。 | 次の手順利用権限のあるAiloot APIキーを使用してください。 |
レスポンス403 · permission_error | 条件このキーのグループでは、このメソッドの利用が許可されていません。 | 次の手順返されたエラーの詳細を保持してください。 |
レスポンス404 · not_found_error | 条件選択したメソッドには、利用が許可されたルートがありません。 | 次の手順返されたエラーの詳細を保持してください。 |
レスポンス422 · price_unavailable | 条件受諾済みの料金体系に必要な入力量、またはその上限を取得できません。 | 次の手順レスポンスを保持し、受諾済みの料金体系で必要とされる入力表現を使用してください。 |
レスポンス503 · | 条件必要な保存領域、ルート、メソッド料金、または料金の仮押さえを利用できません。 | 次の手順元のレスポンス全体を保持してください。料金の仮押さえ状態が不明でも、再送信が認められるわけではありません。 |
レスポンス502 · server_error | 条件元の結果、使用量、または精算を確認する必要があります。 | 次の手順実際のリクエストIDと元のレスポンスを保持してください。既存の所有レコードを読み取ってください。作成リクエストを再送信しないでください。 |
エイリアス
モデルのエイリアス
Ailoot Ultra elevenlabs/scribe-v2-medical
メソッドパスのエイリアス
上記に表示されたメソッドパスを使用してください。
関連する呼び出し用ID
FAQ · ElevenLabs: Scribe v2 Medical
- 利用できる入力と結果は何ですか？
POST /v1/audio/transcriptions·elevenlabs/scribe-v2-medical:audio→text- リクエストはどの項目を使用しますか？
POST /v1/audio/transcriptions·elevenlabs/scribe-v2-medical:model,input_audio