Fish Audio: Transcribe 1 Pro

Transcribe 1 Pro는 최대 60분 녹음을 화자 표식이 있는 텍스트로 변환하며, 선택적으로 단어 단위 시간도 제공합니다. 추정한 감정과 발성 이벤트 단서를 보존해 인터뷰, 회의, 팟캐스트를 검토하거나 검색하고 자막으로 준비하기 쉽게 합니다.

Ailoot Ultra · 음성 인식 POST /v1/audio/transcriptions fish-audio/transcribe-1-pro

모델 소개

이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.

Transcribe 1 Pro는 짧은 클립, 여러 화자의 대화, 긴 녹음을 위한 Fish Audio의 음성 인식 모델입니다. 녹음된 오디오를 받아 전사문을 반환하며, 선택적 시간 정보와 구조화된 화자 턴을 제공합니다. 텍스트에 표시되는 화자 전환과 감정 또는 발성 이벤트 단서가 특징으로, 단순한 단어 나열보다 녹음의 대화 구조를 더 많이 보존합니다.

인터뷰, 회의, 팟캐스트는 전체 대화를 파일 하나에 유지해 다시 등장하는 화자가 응답 안에서 일관된 레이블을 유지할 수 있도록 하세요. 유용한 검토 산출물은 원본 녹음에 연결되고, 턴이 따로 표시되며, 인용을 확인할 타임스탬프가 있는 전사문입니다. 요약이나 실행 항목 목록은 후속 애플리케이션 단계입니다. 말로 된 원본을 비교할 수 있도록 전사문과 분리하세요.

제공자는 최대 60분 녹음을 허용하며, MP3, Opus, AAC 같은 압축 오디오로 긴 파일을 처리한다고 설명합니다. 지원 형식에는 WAV, MP3, M4A 또는 MP4의 AAC, FLAC, Opus 또는 Vorbis를 사용하는 Ogg, WebM/Matroska, MOV가 포함됩니다. 비디오 파일에서는 첫 번째 오디오 트랙을 사용합니다. AIFF, CAF, WMA, AMR, AC-3, 헤더 없는 원시 PCM은 지원하지 않습니다. 요청마다 오디오 파일 하나를 제공하며, 전체 녹음을 전사한 뒤 결과가 도착합니다. 긴 녹음은 몇 분 걸릴 수 있습니다. 약 0.08초보다 짧은 클립은 거부됩니다.

제공자 응답에는 전체 텍스트, 초 단위 녹음 길이, segments 배열이 포함됩니다. Pro는 <|speaker:0|>, <|speaker:1|> 같은 인라인 레이블로 화자 전환을 표시하며, 레이블은 다음 표식까지 이어지는 텍스트에 적용됩니다. 이는 응답 하나 안의 식별자이지, 검증된 이름이나 요청 간에 맞춰볼 수 있는 신원이 아닙니다. 전사문에 화자 표식이 없으면 가이드는 단일 화자 결과로 취급합니다. 첫 표식 앞의 텍스트는 버리지 말고 첫 턴과 함께 유지하세요.

단어 단위 타임스탬프는 선택 사항입니다. 제공자 요청의 ignore_timestamps 기본값은 true이며, false로 설정하면 텍스트와 초 단위 시작·종료 시간이 있는 segments를 요청합니다. 세그먼트는 보통 단어 하나이고, 중국어와 일본어에서는 한 글자 또는 몇 글자일 수 있습니다. 세그먼트 텍스트는 문장부호, 화자 표식, 이벤트 단서를 생략하며, 말로 표현한 값을 전체 전사문과 다르게 정규화할 수 있습니다. 단어 세그먼트의 시작과 종료 시간이 같을 수도 있습니다. 빈 segments 배열은 타임스탬프를 요청하지 않았거나, 음성이 없거나, 시간 정보를 일시적으로 제공하지 못했다는 뜻일 수 있습니다. 읽을 표현에는 전체 전사문을, 정렬에는 segments를 사용하고, 두 문자열이 글자마다 같다고 가정하지 마세요.

diarize의 기본값은 auto입니다. 타임스탬프를 요청하고 diarize가 false가 아니면 Pro는 speaker_turns도 반환합니다. 각 턴에는 화자 레이블, 텍스트, 시작·종료 시간이 있으며, 인라인 화자 표식 없이 문장부호와 보존된 단서를 유지합니다. 단어 시간이 없으면 턴 시간이 근사치로 녹음 전체를 덮을 수 있고, 인접한 턴이 반드시 연속되거나 서로 겹치지 않는 것은 아닙니다. diarize를 끄면 구조화된 턴 목록은 사라지지만 전체 텍스트의 화자 표식은 남습니다. 알고 있는 화자 수 또는 최소·최대 수는 긴 녹음의 화자 분리를 최선의 범위에서 유도할 수 있습니다. 정확한 수와 수의 범위는 함께 쓸 수 없으며, diarize를 끄면 화자 수 힌트를 사용할 수 없습니다.

감정과 발성 이벤트 단서는 [laughter] 같은 대괄호 텍스트로 인식된 발화 옆에 표시됩니다. 이는 오디오에서 추론한 내용이며, 사용자가 전사 전에 추가해야 하는 단어가 아닙니다. Pro의 tag_audio_events 기본값은 true입니다. 끄면 시간 정보는 바꾸지 않고 전사문과 턴 텍스트에서 단서를 제거합니다. 별도 감정 필드나 고정 감정 열거 목록은 없습니다. 발언의 소리가 중요하면 주석 있는 전사문을 보존하고, 후속 산출물에 말한 단어만 필요하면 단서 없는 버전을 사용하세요.

언어는 자동 감지됩니다. 선택적 소문자 ISO 639-1 힌트는 번역을 강제하거나 Pro 전사문을 바꾸지 않습니다. 언어를 판단하지 못하면 반환 언어 코드가 오디오와 대조해 검증되지 않은 채 힌트를 반영할 수 있습니다. 제공자는 언어 하나를 보고하며, 혼합 언어 녹음의 모든 언어 목록을 보고하지는 않습니다. 검색 가능한 아카이브를 준비할 때, 특히 대화 부분마다 언어가 바뀌면 원래 표현과 언어 메타데이터를 함께 유지하세요.

자막은 단어마다 하나씩 만들지 말고 연속된 시간 지정 단어를 읽기 쉬운 SRT 또는 WebVTT 큐로 묶으세요. 발화의 쉼에 맞춰 큐를 나누고, 플레이어와 시청자에 맞는 길이 및 표시 시간을 선택하세요. 화자 턴 경계로 서로 다른 화자를 별도 큐에 둘 수 있습니다. 시간 결과가 비어 있는지, 큐의 종료가 시작보다 뒤여야 한다는 조건을 충족하는지 확인하세요. 자막 서식, 익명 화자 레이블에 붙일 이름, 후속 요약은 전사 결과에서 만드는 애플리케이션 산출물입니다.

실제 녹음 워크플로에서는 일반적인 읽기 좋은 전사문, 주석 있는 대화 턴, 시간 지정 자막 중 무엇이 필요한지 전사 전에 결정하세요. 오디오 식별자를 결과와 함께 유지하고, 문장부호와 단서가 중요하면 반환된 전체 텍스트를 보존하며, 탐색에는 구조화된 시간 필드를 사용하세요. Pro의 긴 녹음 및 다중 화자 기능은 일반적인 짧은 녹음용 Transcribe 1 모델과 구분됩니다. 한도와 제어를 서로 바꿔 쓸 수 있는 것으로 취급해서는 안 됩니다.

Ailoot Ultra · 음성 인식 POST /v1/audio/transcriptions fish-audio/transcribe-1-pro

fish-audio/transcribe-1-pro

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

시작하기

허용 입력: 오디오
결과: 텍스트

Ailoot에서 사용 가능 · 입력 및 메서드

Ailoot Ultra · 음성 인식 POST /v1/audio/transcriptions

입력: audio
출력: text
출력 형식: json

필드	유형	요건	값과 한도	기본값
필드`model`	유형`string`	요건필수	값과 한도 fish-audio/transcribe-1-pro	기본값—
필드`input_audio`	유형`object`	요건필수	값과 한도 정확한 키: data, format	기본값—
필드`input_audio.data`	유형`base64_string`	요건필수	값과 한도 디코딩 후 최대 바이트 수: 26,214,400 엄격한 Base64: 예	기본값—
필드`input_audio.format`	유형`string`	요건필수	값과 한도 조건: 실제 파일 검사에서 확인한 형식과 같아야 합니다.	기본값—
필드`response_format`	유형`string`	요건선택 사항	값과 한도 json	기본값—

입력 자료 조합

speech_to_text · 필수: input_audio.data, input_audio.format

메서드 매개변수와 수명 주기

매개변수	명세
매개변수`content_type`	명세application/json
매개변수`required`	명세model, input_audio
매개변수`additional_properties`	명세false
매개변수`parameters`	명세{"name":"model","type":"string","required":true,"enum":["fish-audio/transcribe-1-pro"]}, {"name":"input_audio","type":"object","required":true,"exact_keys":["data","format"],"data":"실제로 지원되는 오디오 바이트의 엄격한 base64 인코딩","format":"파일 검사에서 확인한 정확한 형식; 실제 바이트와 일치해야 함"}, {"name":"response_format","type":"string","required":false,"enum":["json"]}
매개변수`max_audio_bytes`	명세26214400
매개변수`multipart_for_this_profile`	명세false
매개변수`material_types`	명세audio

수명 주기: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 실제로 반환된 task_id 또는 미디어 라이브러리 기록

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

응답 전체와 원래 반환된 ID를 보존하세요.

결과를 알 수 없는 생성을 절대로 다시 제출하지 마세요.

요금

요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.

빠른 모드: 미지정 빠른 모드를 선택한 경우
Flex 모드: 미지정 flex 모드를 선택한 경우
최대 추론 수준: 미지정 최대 추론 수준에 default 조정값을 적용하는 경우

Ailoot 요금

설정별 가격

각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.

설정	요금표	과금 단위	요금
설정기본 토큰 요금	요금표기본 요금	과금 단위—	요금 입력 · 입력 토큰 — / 1K 토큰 출력 · 출력 토큰 — / 1K 토큰 입력 · 캐시 읽기 — / 1K 토큰 입력 · 캐시 쓰기 — / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰
설정입력 오디오(초)	요금표—	과금 단위입력 오디오 초당	요금 입력 · 입력 오디오(초) $0.0002 입력 오디오 초당

Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →

참조 요금 상세 정보

모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.

Fish Audio: Transcribe 1 Pro

설정별 가격

설정	과금 조건	요금
설정Fish Audio: Transcribe 1 Pro · 기본 설정	과금 조건기본 설정	요금 입력 · 입력 오디오(초) US$0.0002 입력 오디오 초당

요청 예제

Ailoot Ultra · 음성 인식

curl · 실제 오디오 바이트와 확인된 형식

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set your actual audio file}"
: "${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}"
export AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model": "fish-audio/transcribe-1-pro", "response_format": "json"}')
import base64
f=Path(os.environ['AILOOT_AUDIO_FILE'])
raw=f.read_bytes()
if not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB')
fmt=os.environ['AILOOT_AUDIO_FORMAT'].strip()
if not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes')
p['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt}
Path('request.json').write_text(json.dumps(p,ensure_ascii=False))
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 result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path('result.json').read_text())
print(json.dumps(r,ensure_ascii=False,indent=2))
print('Keep the complete JSON and response headers; do not resubmit an unknown creation.')
PY_RESULT

결과 수신 및 저장

Ailoot Ultra · 음성 인식

json

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

완료된 결과 모두 보관

반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.

JSON 전체, 응답 헤더, 텍스트 및 실제로 반환된 모든 사용량 필드를 보존하세요. 응답 또는 소유 라이브러리에 있는 실제 작업/자산 식별자를 사용하세요. operation_id는 task_id가 아닙니다.

원래 응답을 확인해야 할 경우

다시 제출하지 말고 정산 대조를 위해 최초 operation_id/X-Client-Request-ID를 보관하세요. 전용 오디오 폴링 라우트는 없습니다.

응답 필드

필드	유형	의미
필드`text`	유형string	의미전사된 텍스트입니다.
필드`usage`	유형object	의미오디오 사용량입니다.
필드`usage.seconds`	유형number	의미초 단위 오디오 길이입니다.
필드`duration`	유형number	의미초 단위 오디오 길이입니다.
필드`task_id`	유형string	의미전사 작업 ID입니다. 비어 있지 않은 전사문이 저장되고 게시되어 서명된 콘텐츠 URL이 할당되면 asset_url과 함께 반환됩니다.
필드`asset_url`	유형string	의미서명된 전사문 콘텐츠 URL입니다. 비어 있지 않은 전사문이 저장되고 게시되어 서명된 콘텐츠 URL이 할당되면 task_id와 함께 반환됩니다.

오류와 다음 단계

응답	조건	다음 단계
응답400 · `invalid_request_error`	조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음	다음 단계새 생성 요청 전에 표시된 필드를 수정하세요.
응답`server_error`	조건반환된 응답에 작업 또는 결과 확인이 필요하다고 표시되어 있습니다	다음 단계최초로 반환된 작업/태스크 ID, 요청 헤더와 응답을 보관하고, 지원되는 조회 방식으로 해당 최초 작업을 계속 조회하세요. 생성 요청을 다시 제출하지 마세요.

별칭

모델 별칭

Ailoot Ultra fish-audio/transcribe-1-pro

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

Fish Audio: Transcribe 1 Pro