AssemblyAI: Universal-3.5 Pro

Universal-3.5 Pro – AssemblyAI kalbos pavertimo tekstu modelis, trumpą garso įrašą vienu atsakymu paverčiantis užbaigta transkripcija. Jo Sync profilis prideda žodžių patikimumo įverčius, pasirenkamas žodžių laiko žymas, žodyno užuominas ir ankstesnio pokalbio kontekstą balso įvesties bei „paspausk ir kalbėk“ darbo eigoms.

Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions assemblyai/universal-3-5-pro

Apie modelį

Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.

Universal-3.5 Pro – AssemblyAI kalbos atpažinimo modelis, skirtas įrašytai kalbai paversti tekstu. Jo Sync profilyje iš trumpo garso įrašo vienu atsakymu gaunama užbaigta transkripcija. Tai tinka balso žinutėms, „paspausk ir kalbėk“ įvesčiai bei atskiriems pokalbio ėjimams, kai programa jau žino, kada įrašymas turi baigtis.

Parenkite garsą kaip ribotos trukmės įrašą. AssemblyAI Sync reikalavimai leidžia trukmę nuo 80 milisekundžių iki 120 sekundžių, o didžiausias failo dydis – 40 MB. Palaikomi formatai yra WAV arba neapdorotas 16 bitų PCM su ženklu ir mažesniojo baito pirmumo tvarka. Garsas gali būti monofoninis arba stereofoninis; stereogarsas viduje suvedamas į mono. Palaikomi diskretizavimo dažniai: 8, 16, 22,05, 24, 32, 44,1 ir 48 kHz. WAV antraštė pateikia diskretizavimo dažnį ir kanalų skaičių; neapdorotam PCM šias reikšmes reikia atskirai pateikti transkribavimo konfigūracijoje.

Įrašykite visą pasakymą ir išlaikykite kalbos pradžią bei pabaigą. Naudinga pradinė užduotis – trumpa pagalbos dėl produkto balso žinutė su produkto pavadinimu, užsakymo identifikatoriumi ir prašymu. Išsaugokite šaltinio įrašą, kad transkripciją būtų galima patikrinti pagal šias svarbias detales. Ilgesniam įrašui parenkite ilgų įrašų transkribavimui tinkamą darbo eigą, nelaikydami trumpų įrašų trukmės limito viso modelio garso pajėgumo apibrėžimu.

Rezultate yra visa transkripcija, žodžių sąrašas su kiekvieno žodžio patikimumo įverčiu ir bendras įvertis nuo nulio iki vieneto. Taip pat pateikiama pateikto garso trukmė ir užklausos identifikatorius, leidžiantys tekstą išlaikyti susietą su originaliu įrašu. Pagal žodžių patikimumą raskite vietas, kurias verta perklausyti, ypač programai svarbius vardus, skaičius ir srities terminus.

Žodžių laiko žymos yra pasirenkamos ir pagal nutylėjimą išjungtos. Jų paprašius, kiekvienas suderintas žodis gali turėti pradžios ir pabaigos laiką milisekundėmis nuo įrašo pradžios. Jei žodžio suderinti nepavyksta, gamintojo profilis šių reikšmių nepateikia, užuot išgalvojęs apytikrį laiką. Laiko žymų tikslumas geriausias anglų kalbos įrašams. Rengdami žodžių paryškinimą, garso bangos formą su paieška arba subtitrų suderinimą, aiškiai išsaugokite trūkstamus laikus ir prieš naudodami tekstą kaip užbaigtą subtitrų takelį palyginkite jį su įrašu.

Kontekstinė užklausa aprašo, apie ką yra įrašas. Joje galima įvardyti sritį, situaciją arba konkrečias programai jau žinomas detales; didžiausias jos ilgis – 6000 simbolių. Pradėkite nuo trumpo garsą atitinkančio aprašymo, pavyzdžiui, techninės pagalbos pokalbio apie konkretų įrenginį. Užklausa pateikia atpažinimo kontekstą; tai nėra prašymas perrašyti kalbėtojo žinutę į kitokį dokumentą.

Atskiras pagrindinių terminų sąrašas nukreipia atpažinimą į konkretų žodyną. Sync profilis priima iki 100 terminų ir iš viso 8000 simbolių šiame sąraše. Neįprastus vardus, akronimus arba produktų terminus rašykite tiksliai, o įprastų gerai atpažįstamų žodžių į sąrašą neįtraukite. Dideli arba nereikalingi terminų sąrašai gali sukelti perteklinių taisymų, todėl įtraukite tik įrašui svarbius žodžius. Konteksto aprašą ir žodyno sąrašą galima naudoti kartu.

Ankstesnis pokalbis taip pat gali padėti interpretuoti trumpą atsakymą. Ankstesnius pasakymus pateikite chronologine tvarka, nuo seniausio iki naujausio, o dabartinis garsas lieka transkribuojamu ėjimu. Dokumentuotas konteksto limitas – 500 ėjimų arba iš viso 16 000 simbolių. Viršijus šias ribas arba turimą modelio kontekstą, pirmiausia pašalinami seniausi įrašai. Tai naudinga, kai trumpame atsakyme yra identifikatorius arba nuoroda, kurios reikšmė kyla iš ankstesnio klausimo.

Kalbos pasirinkimas nukreipia atpažinimą į vieną ar kelias numatomas kalbas. Dabartinė Sync sąsaja priima 32 kalbų kodus; nieko nepasirinkus numatytoji kalba yra anglų. Įraše kaitaliojant kalbas, išvardykite numatomas kalbas. Pasirinktinė kontekstinė užklausa pakeičia valdomą numatytąją užklausą ir turi viršenybę prieš atskirą nukreipimą kalbų kodais, todėl kai reikia ir kalbos, ir situacijos konteksto, numatomas kalbas įvardykite pačioje užklausoje. Transkripcijoje išlaikykite realiai vartotas kalbas, nelaikydami transkribavimo vertimo instrukcija.

Modelis naudojamas ir kitose AssemblyAI transkribavimo darbo eigose, tačiau Sync profilio trumpų įrašų reikalavimai ir rezultato laukai priklauso būtent šiai sąsajai. Gamintojo Dictation darbo eiga prideda atskirą teksto tvarkymo etapą; transkripcija ir perrašyta žinutė yra skirtingi rezultatai. Jei vėlesnis redagavimo arba apibendrinimo žingsnis parengia sutvarkytą versiją, išsaugokite atpažintą kalbą, kad pradinė formuluotė liktų prieinama palyginimui.

Naudingi rezultatai: transkribuota balso žinutė, užbaigtas asistento pokalbio ėjimas, trumpas garso tekstas su paieška arba žodžių sąrašas su laiko žymomis peržiūros sąsajai. Patikrinkite lemiamus žodžius pagal įrašą, išsaugokite visus trūkstamus suderinimus ir išlaikykite įrašo ryšį su grąžintu tekstu. Atpažinimo rezultatas kitam programos žingsniui suteikia šaltiniu pagrįstą transkripciją; atsakymas į prašymą arba žinutės redagavimas priklauso aplinkinei darbo eigai.

Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions assemblyai/universal-3-5-pro

assemblyai/universal-3-5-pro

AssemblyAI /assemblyai/universal-3-5-pro

Pradžia

Leidžiamos įvestys: Garsas
Rezultatai: Tekstas

Prieinama Ailoot · įvestys ir metodai

Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions

Įvestis: audio
Išvestis: text

Laukas	Tipas	Reikalavimas	Reikšmės ir ribos	Numatyta
Laukas`model`	Tipas`string`	ReikalavimasPrivaloma	Reikšmės ir ribos assemblyai/universal-3-5-pro	Numatyta—
Laukas`input_audio`	Tipas`object`	ReikalavimasPrivaloma	Reikšmės ir ribos	Numatyta—

Metodo parametrai ir gyvavimo ciklas

Parametras	Specifikacija
Parametras`content_type`	Specifikacijaapplication/json
Parametras`required`	Specifikacijamodel, input_audio
Parametras`material_types`	Specifikacijaaudio
Parametras`material_conditions`	SpecifikacijaPavyzdys nuskaito jūsų tikrą netuščią PCM WAV failą, visus failo baitus užkoduoja base64 formatu ir siunčia input_audio.format reikšmę wav.

Gyvavimo ciklas: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · tikslus task_id iš esamo jums priklausančio medijos įrašo

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Planai

Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.

Spartusis režimas: Nenurodyta Pasirinkus spartųjį režimą
Flex režimas: Nenurodyta Pasirinkus flex režimą
Didžiausios samprotavimo pastangos: Nenurodyta Kai didžiausioms samprotavimo pastangoms taikomas numatytasis koregavimas (default)

Ailoot įkainiai

Kainos pagal konfigūraciją

Kiekvieną mokestį susiekite su nurodytomis sąlygomis. Kiekvienam alternatyvių konfigūracijų rinkiniui taikykite vieną įkainį.

Konfigūracija	Įkainių lentelė	Apskaitos vienetas	Mokestis
KonfigūracijaBaziniai žetonų įkainiai	Įkainių lentelėBazinis įkainis	Apskaitos vienetas—	Mokestis Įvestis · Įvesties tokenai — / 1K tokenų Išvestis · Išvesties tokenai — / 1K tokenų Įvestis · Talpyklos skaitymas — / 1K tokenų Įvestis · Rašymas į talpyklą — / 1K tokenų Įvestis · Rašymas į talpyklą, 1 val — / 1K tokenų
Konfigūracijaįvesties garso sekundė	Įkainių lentelė—	Apskaitos vienetasuž įvesties garso sekundę	Mokestis Įvestis · įvesties garso sekundė $0.00025 už įvesties garso sekundę

Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →

Užklausų pavyzdžiai

Ailoot Ultra · Transkribavimas

curl · tikras WAV failas ir visas originalus rezultatas

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': 'assemblyai/universal-3-5-pro', '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.

Gauti ir išsaugoti rezultatus

Ailoot Ultra · Transkribavimas

Visas pradinis atsakymo turinys, būsena ir persiųstos antraštės. Ši apdorojimo funkcija neprideda universalios JSON struktūros, teksto lauko ar užduoties apgaubiančios struktūros.

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

Išsaugoti visus baigtus rezultatus

Išsaugokite kiekvieną visą grąžintą atsakymą, failą ir turinio dalį.

Išsaugokite visą atsakymą ir antraštes, visus faktiškai gautus rezultatus, pradinius grąžintus identifikatorius ir visus naudojimo apskaitos laukus. Atkurkite prieigą prie pradinės operacijos pakartotinai neteikdami kūrimo užklausos.

Jei reikia patikrinti pradinį atsakymą

Išsaugokite tikrąjį X-Client-Request-ID ir visą atsakymą. Skaitykite pradinių jums priklausančių išteklių duomenis ir naudokite tikslius jų pasirašytus turinio URL; niekada neteikite kūrimo užklausos dar kartą, kai jos baigtis neaiški.

Atsakymo laukai

Laukas	Tipas
Laukas`text (when present)`	Tipas
Laukas`usage (when present)`	Tipas

Klaidos ir tolesni veiksmai

Atsakymas	Sąlyga	Kitas žingsnis
Atsakymas400 · `invalid_request_error`	SąlygaJSON turinys arba aiškiai nurodytas kanoninis modelio ID netinkamas.	Kitas žingsnisIšsaugokite atsakymą ir pataisykite nurodytą užklausos lauką.
Atsakymas401 · `authentication_error`	SąlygaAiloot API raktas negalioja.	Kitas žingsnisNaudokite savo įgaliotą Ailoot API raktą.
Atsakymas403 · `permission_error`	SąlygaRakto grupei nesuteikta prieiga prie šio metodo.	Kitas žingsnisIšsaugokite grąžintą išsamią klaidos informaciją.
Atsakymas404 · `not_found_error`	SąlygaPasirinktas metodas neturi leistino maršruto.	Kitas žingsnisIšsaugokite grąžintą išsamią klaidos informaciją.
Atsakymas422 · `price_unavailable`	SąlygaPagal priimtą tarifą nepavyksta gauti privalomo įvesties kiekio ar jo ribos.	Kitas žingsnisIšsaugokite atsakymą; naudokite priimtam tarifui reikalingą įvesties pateikimo formą.
Atsakymas503 ·	SąlygaPrivaloma saugykla, maršrutas, metodo kaina arba rezervavimas nepasiekiami.	Kitas žingsnisIšsaugokite visą pradinį atsakymą. Neaiškus lėšų rezervavimas nėra leidimas teikti užklausą pakartotinai.
Atsakymas502 · `server_error`	SąlygaPradinį rezultatą, naudojimo duomenis arba atsiskaitymą reikia patikrinti.	Kitas žingsnisIšsaugokite tikrą užklausos ID ir pradinį atsakymą. Skaitykite esamą jums priklausantį įrašą; neteikite kūrimo užklausos pakartotinai.

Pseudonimai

Modelių pseudonimai

Ailoot Ultra assemblyai/universal-3-5-pro

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

assemblyai/universal-3-5-pro

FAQ · AssemblyAI: Universal-3.5 Pro

Kokios įvestys ir rezultatai prieinami?: POST /v1/audio/transcriptions · assemblyai/universal-3-5-pro: audio → text
Kokius laukus naudoja užklausa?: POST /v1/audio/transcriptions · assemblyai/universal-3-5-pro: model, input_audio

AssemblyAI: Universal-3.5 Pro