Meta: Muse Voice Transcribe 1.0

Muse Voice Transcribe 1.0은 받아쓰기, 감지한 발화 차례, 화자를 구분하는 전사문을 위한 Meta의 음성 텍스트 변환 모델입니다. 언어 및 어휘 힌트, 코드 전환, 발화 차례 수준의 시간 정보를 지원하며, 녹음 파일과 실시간 오디오에 각각 별도의 워크플로를 제공합니다.

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions meta/muse-voice-transcribe-1.0

모델 소개

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

Muse Voice Transcribe 1.0은 음성을 전사하고 발화 경계를 감지하며 발화 차례를 화자에게 배정하는 Meta의 오디오 인식 모델입니다. Muse Spark 모델 계열에 속하며 모델 안에서 음성 인식, 화자 분리, 발화 끝 감지를 결합합니다. 출력은 인식한 텍스트와 선택한 모드에서 제공되는 시간 및 화자 정보입니다.

모델은 오디오를 80밀리초 단위로 처리하고 계속 듣거나 텍스트를 내보낼 시점을 결정합니다. 적응형 지연은 해석하기 어려운 단어에 대해 추가 오디오를 기다릴 수 있게 합니다. 음성이 들어오는 동안 부분 텍스트를 생성하고 이후 완료된 전사 결과를 반환합니다. 부분 가설과 완료된 발화 차례를 음성 청취 과정의 서로 다른 단계로 다루세요.

세 가지 모드 중에서 선택하세요. push-to-talk는 음성 질의나 짧은 받아쓰기 구절처럼 단일 발화를 직접 제어하는 경우의 기본 모드입니다. endpointing은 모델이 발화 차례의 경계를 감지하고 감지된 구간마다 완료된 전사문 하나를 반환하게 합니다. diarization은 인식한 음성을 화자 표시에 배정하며, 가장 빠른 음성 명령 주고받기보다는 여러 화자가 있는 녹음을 대상으로 합니다.

녹음 파일의 경우 파일 전사 워크플로는 요청 한 번으로 완전한 전사문을 반환합니다. 기본 결과는 전사문과 오디오 길이가 담긴 JSON이며, endpointing 및 diarization 모드에서는 turns 배열을 포함합니다. 각 발화 차례에는 식별자, 밀리초 단위의 시작 및 끝, 인식한 텍스트가 포함될 수 있습니다. diarization 모드에는 화자 표시가 있습니다. push-to-talk는 해당 배열에 감지된 발화 차례 없이 전체 전사문을 생성합니다. 제조사의 녹음 파일 인터페이스는 일반 텍스트나 전사 이벤트 스트림도 반환할 수 있습니다. 일반 텍스트는 감지한 발화 차례를 줄별로 유지하고 화자 표시를 포함할 수 있습니다. 이벤트 스트림은 별도 JSON 요약 없이 마지막 이벤트 후 끝납니다. delta 부분 모드는 증분 텍스트를 반환하며, 최종 전사 이벤트에는 전체 문구가 포함됩니다.

16 또는 24 kHz의 모노 16비트 정수 PCM 오디오를 담은 RIFF/WAVE 파일을 준비하세요. 모델의 네이티브 샘플링 레이트는 24 kHz이며 인터페이스는 16 kHz도 허용합니다. 다른 컨테이너나 인코딩은 녹음을 제공하기 전에 지원되는 WAV 형식으로 변환하세요. 파일 전사 프로필은 최대 10분의 오디오와 최대 32 MB의 전체 요청 본문을 허용합니다. 나중에 다시 듣고 검토할 수 있도록 원본 녹음과 변환본을 반환된 전사문과 연결해 보관하세요.

실시간 오디오 워크플로는 부호 있는 16비트 리틀 엔디언 모노 원시 PCM을 사용하며, 16 또는 24 kHz 오디오를 대략 실시간 속도로 전달합니다. 문서화된 세션 시간은 60분입니다. Meta는 1시간을 넘는 네이티브 오디오 입력을 설명하지만, 문서화된 파일 및 실시간 세션 한계는 별개의 인터페이스 경계로 유지됩니다. 오디오가 이미 완성되었는지 아직 수집 중인지에 따라 녹음 파일 또는 실시간 워크플로를 선택하고, 서로 다른 세션의 결과를 각 입력 구간과 연결해 유지하세요.

Muse Voice Transcribe는 70개가 넘는 언어로 학습했으며, 문서화된 인식 인터페이스는 지원 언어 25개를 열거합니다. 여기에는 영어, 프랑스어, 독일어, 스페인어, 아랍어, 표준 중국어, 힌디어, 일본어, 한국어, 이탈리아어, 포르투갈어가 포함됩니다. 문장 안이나 문장 사이의 코드 전환을 인식합니다. 언어 힌트에는 오디오에서 예상하는 언어를 지정할 수 있지만, 이는 인식을 유도하며 전사문을 한 언어로 강제하지는 않습니다.

어휘 힌트는 녹음에서 중요한 제품 용어, 약어, 이름 또는 장소의 인식에 도움이 됩니다. 실제로 들릴 것으로 예상하는 단어와 표기를 제공하세요. 키워드 목록은 인식을 유도하지만 정확한 표기를 보장하지 않으므로 결정적인 용어는 오디오와 대조해 검토하세요. 언어 힌트와 키워드는 전사를 시작할 때 선택합니다. 세션 실행 중 의미를 바꾸지 말고 해당 녹음에 적합하게 유지하세요.

모델은 화자가 20명을 넘는 대화의 화자 분리를 지원합니다. A와 B 같은 표시는 하나의 전사 안에서 화자를 식별합니다. 검증된 이름이 아니며 다른 세션의 같은 표시가 동일인을 가리킨다고 확인해 주지도 않습니다. 원래 회의 분석 작업에서는 화자가 배정된 발화 차례를 요청하고 녹음을 보존하며, 주변 워크플로에서 실제 참석자 이름을 배정하기 전에 해당 표시로 논의를 정리하세요.

실시간 부분 전사문은 음성이 더 들어오면 바뀔 수 있습니다. cumulative 모드에서는 각 부분 결과가 앞선 가설의 복사본을 추가하는 대신 이를 대체합니다. 감지된 발화 끝은 경계를 표시하고, 완료된 발화 차례 결과는 최종 텍스트를 제공하며 마지막 부분 결과와 다를 수 있습니다. 겹치는 발화 차례를 해당 식별자와 연결해 유지하고, 전사가 끝났다고 판단하기 전에 완료된 결과를 처리하세요. 실시간 입력이 끝나면 입력 종료를 알리고 제공자가 보류 중인 결과를 모두 내보낼 때까지 계속 수신하세요. 연결을 바로 닫으면 그 결과가 사라질 수 있습니다. 감지된 발화 경계는 전체 세션이 아니라 하나의 발화 차례를 끝냅니다.

시간 정보는 발화 차례 수준입니다. 이 프로필은 단어 단위 타임스탬프나 신뢰도 점수를 제공하지 않으며, 오디오 처리 진행률은 특정 단어의 타임스탬프가 아닙니다. 소리 이벤트 감지, 감정 감지, 전사문 형식 재구성도 문서화된 출력 프로필의 범위 밖입니다. 반환된 발화 차례 구간을 화자 타임라인이나 구간별 검토에 사용하고, 이후 별도의 편집 단계에서 더 정돈된 노트를 만들더라도 인식한 단어를 보존하세요.

유용한 결과물에는 완료된 받아쓰기 구절, 음성 질의 전사문, 화자가 배정된 대화, 발화 타임라인이 포함됩니다. 이름, 수치, 기술 용어를 원본 녹음과 비교하고 모드 및 시간 연결을 보존하며, 완료된 발화 차례를 검토할 수 있게 유지하세요. 전사는 오디오에서 인식한 내용을 확립합니다. 말로 한 질문에 답하거나 번역하거나 회의록으로 바꾸는 일은 이후 애플리케이션 단계에 속합니다.

Ailoot Ultra · 음성 전사 POST /v1/audio/transcriptions meta/muse-voice-transcribe-1.0

meta/muse-voice-transcribe-1.0

Meta /meta/muse-voice-transcribe-1.0

시작하기

허용 입력: 오디오
결과: 텍스트

Ailoot에서 사용 가능 · 입력 및 메서드

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

입력: audio
출력: text

필드	유형	요건	값과 한도	기본값
필드`model`	유형`string`	요건필수	값과 한도 meta/muse-voice-transcribe-1.0	기본값—
필드`input_audio`	유형`object`	요건필수	값과 한도	기본값—

메서드 매개변수와 수명 주기

매개변수	명세
매개변수`content_type`	명세application/json
매개변수`required`	명세model, input_audio
매개변수`material_types`	명세audio
매개변수`material_conditions`	명세이 예제는 비어 있지 않은 실제 PCM WAV 파일을 읽고, 파일의 전체 바이트를 base64로 인코딩한 다음 input_audio.format을 wav로 전송합니다.

수명 주기: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 기존 소유 미디어 기록의 정확한 task_id

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

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) $0.0001 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 →

요청 예제

Ailoot Ultra · 음성 전사

curl · 실제 WAV 파일과 원본 결과 전체

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.

결과 수신 및 저장

Ailoot Ultra · 음성 전사

원본 응답 본문 전체, 상태 및 전달된 헤더입니다. 이 핸들러는 공통 JSON 구조, 텍스트 필드 또는 작업 바깥 구조를 추가하지 않습니다.

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.

전체 응답과 헤더, 실제로 생성된 모든 출력, 최초로 반환된 식별자와 모든 사용량 필드를 보관하세요. 생성 요청을 다시 제출하지 말고 최초 작업을 복구하세요.

원래 응답을 확인해야 할 경우

실제 X-Client-Request-ID와 응답 전체를 보존하세요. 원래 소유 자산과 해당 자산의 정확한 서명된 콘텐츠 URL을 조회하세요. 생성 여부가 불확실한 요청을 절대로 다시 제출하지 마세요.

응답 필드

필드	유형
필드`text (when present)`	유형
필드`usage (when present)`	유형

오류와 다음 단계

응답	조건	다음 단계
응답400 · `invalid_request_error`	조건JSON 본문 또는 명시적인 표준 모델 ID가 유효하지 않습니다.	다음 단계응답을 보존하고 표시된 요청 필드를 수정하세요.
응답401 · `authentication_error`	조건Ailoot API 키가 유효하지 않습니다.	다음 단계사용 권한이 있는 Ailoot API 키를 사용하세요.
응답403 · `permission_error`	조건이 키 그룹은 해당 메서드를 허용하지 않습니다.	다음 단계반환된 오류 세부 정보를 보존하세요.
응답404 · `not_found_error`	조건선택한 메서드에는 허용된 경로가 없습니다.	다음 단계반환된 오류 세부 정보를 보존하세요.
응답422 · `price_unavailable`	조건승인된 요금제에서 필요한 입력 수량 또는 상한을 확보할 수 없습니다.	다음 단계응답을 보존하세요. 승인된 요금제에서 요구하는 입력 표현 형식을 사용하세요.
응답503 ·	조건필요한 저장소, 경로, 메서드 요금 또는 예약을 사용할 수 없습니다.	다음 단계원본 응답 전체를 보존하세요. 예약 여부가 불확실하다고 해서 다시 제출할 수 있는 것은 아닙니다.
응답502 · `server_error`	조건원래 결과, 사용량 또는 정산을 확인해야 합니다.	다음 단계실제 요청 ID와 원본 응답을 보존하세요. 기존 소유 기록을 조회하고 생성을 다시 제출하지 마세요.

별칭

모델 별칭

Ailoot Ultra meta/muse-voice-transcribe-1.0

메서드 경로 별칭

위에 표시된 메서드 경로를 사용하세요.

Meta: Muse Voice Transcribe 1.0