ElevenLabs: Scribe v2

ElevenLabs Scribe v2 transkribuoja įrašytą garsą daugiau nei 90 kalbų, pateikia žodžių laiko žymas, pasirenkamą kalbėtojų atskyrimą ir nekalbinių įvykių žymas. Jis skirtas ilgiems įrašams, subtitrams ir redaguojamoms transkripcijoms, su kontekstiniais raktažodžiais ir pažodinio arba sutvarkyto transkribavimo parinktimis.

Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions elevenlabs/scribe-v2

Apie modelį

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

ElevenLabs Scribe v2 – tai paketinio kalbos atpažinimo modelis, skirtas įrašytam garsui, transkribavimui ir subtitrų bei titrų rengimui. Jis pagrįstas Scribe v1, geriau apdoroja ilgus įrašus, pauzes, tono pokyčius ir ilgą tylą. Rezultatas – užrašyta kalba su laiko informacija ir pasirenkamomis kalbėtojų bei garso įvykių anotacijomis. Scribe v2 Realtime yra atskira tiesioginio transkribavimo versija; šio modelio paskirtis – apdoroti užbaigtus įrašus.

Gamintojas dokumentuoja daugiau nei 90 kalbų atpažinimą ir automatinį kalbos nustatymą, įskaitant įrašus, kuriuose kalbos keičiasi. Žinomos kalbos užuomina gali padėti modeliui interpretuoti garsą. Parenkite aiškų įrašą, išlaikykite pradinę kalbą bei vardus ir venkite stipraus signalo nukirpimo ar nereikalingo apdorojimo, kuris pašalina kalbos detales. Įprastos dokumentuotos įvestys apima WAV, MP3, FLAC, M4A, AAC, OGG, Opus ir WebM. Pasirinkite transkribavimo įgyvendinimo palaikomą įvesties pateikimą ir išsaugokite pradinį įrašą peržiūrai.

Standartiniame atsakyme yra atpažintas tekstas, informacija apie nustatytą kalbą ir žodžių su laiko žymomis seka. Žodžių įrašuose gali būti pradžios ir pabaigos laikai, kalbėtojų identifikatoriai ir atpažinimo logaritminė tikimybė. Dėl to rezultatas naudingas subtitrams, paieškai interviu tekstuose ar redaktoriui, leidžiančiam grįžti prie atitinkamo garso. Rezultatą su laiko žymomis saugokite kartu su pradiniu garsu. Pavyzdžiui, tinklalaidei galima pateikti redaguojamą transkripciją ir pagal žodžius suderintą įrašą, padedantį rasti taisytinas vietas prieš išdėstant subtitrus.

Kalbėtojų atskyrimas pažymi, kas ir kada kalba kelių kalbėtojų garso įraše; gamintojas dokumentuoja iki 32 kalbėtojų. Įjunkite jį, kai svarbūs kalbėtojų pasikeitimai, ir nurodykite pagrįstą kalbėtojų skaičių, jei jis žinomas. Atskirai vertinkite aptiktą kalbėtojo žymą ir patvirtintą žmogaus vardą. Interviu ar susitikimo atveju kalbėtojų pasikeitimus tikrinkite pagal įrašą, ypač kai balsai persidengia ar skamba panašiai. Žyma padeda susisteminti transkripciją; ji pati nepatvirtina kalbėtojo tapatybės.

Įrašas, kuriame kiekviename kanale yra po vieną kalbėtoją, turi kitokią struktūrą nei keli balsai, sumaišyti viename kanale. Kūrėjo sąsaja gali nepriklausomai apdoroti iki penkių kanalų ir grąžinti atskiras transkripcijas arba bendrą pagal laiką surikiuotą transkripciją su kanalų indeksais. Išsaugokite kanalų išdėstymą, kai jis prasmingas. Sujungus atskirus pokalbio įrašo kanalus prieš transkribavimą, galima prarasti naudingą kalbėtojų informacijos šaltinį. Kanalais pagrįstą priskyrimą atskirkite nuo kalbėtojų atskyrimo, nustatyto iš sumaišyto garso. Bendram kanalų atsakymui reikalingos laiko žymos, jame negali būti esybių aptikimo ar slėpimo.

Raktažodžių pateikimas padeda atpažinti vardus, produktų terminus ir specializuotą žodyną pagal kontekstą. Dabartinė paketinio apdorojimo dokumentacija leidžia iki 1 000 terminų, kurių kiekvienas turi būti trumpesnis nei 50 simbolių ir sudarytas daugiausia iš penkių žodžių. Pateikite užduočiai svarbių terminų rašybą, o ne platų nesusijusį katalogą. Techniniam interviu nurodykite tikėtinus produktų pavadinimus ir santrumpas, tada juos tikrinkite pagal laiko žymas rezultate. Raktažodžiai veikia atpažinimo pasirinkimą; jie nėra instrukcija įterpti terminą, kai įrašas jo nepagrindžia.

Prieš taikydami teksto tvarkymą, pasirinkite transkripcijos paskirtį. Pažodinis įrašas išlaiko sakytinę formuluotę, o dokumentuota nepažodinė parinktis pašalina užpildymo žodžius, neužbaigtas sakinių pradžias ir kalbos nesklandumus, kad rezultatas būtų lengviau skaitomas. Dinaminės garso žymos gali pažymėti nekalbinius įvykius, tokius kaip juokas ar žingsniai. Nugludinta transkripcija gali būti naudinga subtitrams ar skaitymui, tačiau ji neturi tyliai pakeisti neapdoroto įrašo, kai užduočiai svarbūs pasikartojimai, pataisymai ar nekalbiniai garsai.

Gamintojas taip pat dokumentuoja esybių aptikimą ir eksperimentinį transkripcijos redagavimą. Kūrėjo sąsajoje transkripcijos redagavimo negalima derinti su esybių aptikimu, esybių slėpimu ar daugiakanaliu transkribavimu. Aptiktos esybės pateikia struktūruotas pasirinktos informacijos pozicijas transkripcijoje. Pasirenkamas esybių slėpimas užmaskuoja aptiktą tekstą pakaitinėmis žymomis; jis priklauso nuo esybių aptikimo, o įjungus slėpimą esybių sąrašas negrąžinamas. Slėpimas atliekamas transkribuojant, naudojant bendrą pakaitinį žymeklį, kategorijos žymą ar sunumeruotą kategorijos žymą. Automatinis slėpimas gali praleisti jautrų turinį, todėl prieš dalydamiesi patikrinkite transkripciją su užmaskuotais duomenimis. Redagavimo natūralia kalba užklausa grąžina redaguotą tekstą kartu su pradiniu rezultatu, palikdama prieinamą pradinį laiko žymų ir kalbėtojų įrašą. Šiuos rezultatus laikykite atskirai: pataisytą rašybą ar performatuotą sakinį gali tekti iš naujo patikrinti prieš derinant su garsu ar naudojant tolesniam informacijos ištraukimui. Šios funkcijos apdoroja transkripciją; jos nepatvirtina, kad kiekviena svarbi detalė atpažinta teisingai.

Norėdami užbaigti transkripciją, vardus, skaičius, neiginius ir kalbėtojų pasikeitimus patikrinkite grįždami prie atitinkamo garso. Atkreipkite dėmesį į tylias atkarpas, persidengimą ir kalbų kaitą, užuot kokybę vertinę vien pagal sklandų tekstą. Neaiškią formuluotę palikite pataisymui, užuot negirdimą ištrauką užbaigę tikėtinu sakiniu. Naudingas rezultatas yra patikrintas tekstinis įrašas su jo paskirčiai reikalingomis laiko žymomis ir kalbėtojų informacija; vėliau transkripcija gali tapti atskiro apibendrinimo, vertimo ar analizės etapo įvestimi.

Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions elevenlabs/scribe-v2

elevenlabs/scribe-v2

ElevenLabs /elevenlabs/scribe-v2

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 elevenlabs/scribe-v2	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 $0.0001222222222222 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': 'elevenlabs/scribe-v2', '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 elevenlabs/scribe-v2

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

elevenlabs/scribe-v2

FAQ · ElevenLabs: Scribe v2

Kokios įvestys ir rezultatai prieinami?: POST /v1/audio/transcriptions · elevenlabs/scribe-v2: audio → text
Kokius laukus naudoja užklausa?: POST /v1/audio/transcriptions · elevenlabs/scribe-v2: model, input_audio

ElevenLabs: Scribe v2