Source: https://ailoot.ai/models/lt/fish-audio-transcribe-1-pro/ Canonical: https://ailoot.ai/models/lt/fish-audio-transcribe-1-pro/ Language: lt # Fish Audio: Transcribe 1 Pro [Markdown](https://ailoot.ai/models/lt/fish-audio-transcribe-1-pro/index.md) · [JSON](https://ailoot.ai/models/lt/fish-audio-transcribe-1-pro/facts.json) ## [Fish Audio: Transcribe 1 Pro](https://ailoot.ai/models/lt/fish-audio-transcribe-1-pro/) Transcribe 1 Pro iki 60 minučių įrašus paverčia tekstu su kalbėtojų žymomis ir pasirenkamomis žodžių laiko žymomis. Jis išsaugo iš garso numanomas emocijų ir balso reiškinių žymas, todėl interviu, susitikimus ir tinklalaides lengviau peržiūrėti, juose ieškoti ar paruošti subtitrams. - [**Ailoot Ultra · Kalbos atpažinimas** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro`](https://ailoot.ai/models/lt/fish-audio-transcribe-1-pro/#method-0) Apie modelį Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau. Transcribe 1 Pro yra Fish Audio kalbos konvertavimo į tekstą modelis trumpiems klipams, kelių kalbėtojų pokalbiams ir ilgiems įrašams. Jis priima įrašytą garsą ir grąžina transkripciją su pasirenkamomis laiko žymomis bei struktūruotais kalbėtojų pasisakymais. Jį išskiria tekste pažymėti kalbėtojo pasikeitimai ir emocijų ar balso reiškinių žymos, išsaugančios daugiau įrašo pokalbio struktūros nei paprasta žodžių seka. Interviu, susitikimo ar tinklalaidės atveju visą pokalbį išsaugokite viename faile, kad vėl prabilę kalbėtojai atsake galėtų išlaikyti nuoseklias žymas. Naudingas peržiūros rezultatas yra su originaliu įrašu susieta transkripcija, atskirai parodyti pasisakymai ir laiko žyma citatai patikrinti. Santrauka ar veiksmų sąrašas yra vėlesnis programos veiksmas: laikykite juos atskirai nuo transkripcijos, kad ištartas šaltinio turinys liktų prieinamas palyginimui. Gamintojas priima iki 60 minučių įrašus ir aprašo ilgų failų apdorojimą naudojant suspaustą garsą, pavyzdžiui, MP3, Opus ar AAC. Palaikomi formatai apima WAV, MP3, AAC M4A ar MP4 konteineriuose, FLAC, Ogg su Opus arba Vorbis, WebM/Matroska ir MOV. Vaizdo faile naudojamas pirmasis garso takelis. AIFF, CAF, WMA, AMR, AC-3 ir neapdorotas PCM be antraštės nepalaikomi. Vienoje užklausoje pateikiamas vienas garso failas; rezultatas gaunamas baigus viso įrašo transkripciją, o ilgo įrašo apdorojimas gali trukti kelias minutes. Trumpesni nei maždaug 0,08 sekundės klipai atmetami. Gamintojo atsake yra visas tekstas, įrašo trukmė sekundėmis ir segments masyvas. Pro kalbėtojų pasikeitimus žymi tiesiog tekste tokiomis žymomis kaip \<|speaker:0|\> ir \<|speaker:1|\>; žyma taikoma po jos einančiam tekstui iki kitos žymos. Tai identifikatoriai vieno atsako viduje, o ne patikrinti vardai ar tapatybės, kurias galima susieti tarp užklausų. Jei transkripcijoje nėra kalbėtojo žymos, vadovas ją laiko vieno kalbėtojo rezultatu. Tekstą iki pirmosios žymos išsaugokite su pirmuoju pasisakymu, užuot jį atmetę. Žodžių lygmens laiko žymos yra pasirenkamos. Gamintojo užklausoje ignore\_timestamps numatytoji reikšmė yra true; nustačius false prašoma segmentų su tekstu bei pradžios ir pabaigos laikais sekundėmis. Segmentas paprastai yra žodis arba vienas ar keli kinų ir japonų kalbų rašmenys. Segmento tekste nėra skyrybos, kalbėtojų ar įvykių žymų, o ištarta reikšmė gali būti normalizuojama kitaip nei visoje transkripcijoje. Žodžio segmento pradžios ir pabaigos laikas gali sutapti. Tuščias segments masyvas gali reikšti, kad laiko žymų neprašyta, nerasta kalbos arba laiko žymos laikinai nebuvo prieinamos. Visą transkripciją naudokite skaitomam tekstui, o segmentus – suderinimui pagal laiką, užuot manę, kad abi eilutės sutampa ženklas po ženklo. diarize nustatymo numatytoji reikšmė yra auto. Kai prašoma laiko žymų ir diarize nėra false, Pro taip pat grąžina speaker\_turns. Kiekviename pasisakyme yra kalbėtojo žyma, tekstas ir pradžios bei pabaigos laikai, išsaugant skyrybą ir paliktas žymas, bet be tekste įterpto kalbėtojo žymeklio. Jei žodžių laiko žymos neprieinamos, pasisakymų laikai gali būti apytikriai ir apimti visą įrašą; gretimi pasisakymai nebūtinai yra vientisi ar nesutampantys laike. Išjungus diarize pašalinamas struktūruotas pasisakymų sąrašas, bet visame tekste lieka kalbėtojų žymos. Žinomas kalbėtojų skaičius arba mažiausias ir didžiausias skaičius gali pagal galimybes padėti atskirti kalbėtojus ilgesniuose įrašuose. Tikslaus skaičiaus negalima derinti su skaičiaus ribomis, o skaičiaus užuominų negalima naudoti išjungus diarize. Emocijų ir balso reiškinių žymos pasirodo kaip tekstas laužtiniuose skliaustuose, pavyzdžiui, \[laughter\], šalia atpažintos kalbos. Tai išvados iš garso, o ne žodžiai, kuriuos naudotojas turi pridėti prieš transkripciją. Pro nustatymo tag\_audio\_events numatytoji reikšmė yra true; jį išjungus šios žymos pašalinamos iš transkripcijos ir pasisakymų teksto nekeičiant laiko žymų. Nėra atskiro emocijos lauko ar fiksuoto emocijų sąrašo. Išsaugokite anotuotą transkripciją, kai svarbu, kaip pastaba skamba, ir naudokite versiją be žymų, kai tolesniam rezultatui reikia tik ištartų žodžių. Kalba aptinkama automatiškai. Pasirenkama mažosiomis raidėmis pateikta ISO 639-1 užuomina neverčia versti ir nekeičia Pro transkripcijos. Jei kalbos nustatyti nepavyksta, grąžintas kalbos kodas gali atspindėti užuominą jos nepatikrinus pagal garsą. Gamintojas pateikia vieną kalbą, o ne visų kalbų mišriame įraše sąrašą. Ruošdami paieškai tinkamą archyvą, originalią formuluotę ir kalbos metaduomenis saugokite kartu, ypač kai skirtingos pokalbio dalys pereina iš vienos kalbos į kitą. Subtitrams nuoseklius žodžius su laiko žymomis grupuokite į skaitomus SRT ar WebVTT segmentus, užuot kūrę po subtitrą kiekvienam žodžiui. Segmentus atskirkite ties pauzėmis, o jų ilgį ir rodymo trukmę parinkite pagal leistuvą ir auditoriją. Pasisakymų ribos gali išlaikyti skirtingus kalbėtojus atskiruose segmentuose. Tikrinkite, ar laiko žymų rezultatas nėra tuščias ir ar segmentų pabaiga yra vėlesnė už pradžią. Subtitrų formatavimas, vardų suteikimas anoniminėms kalbėtojų žymoms ir vėlesnė santrauka yra programos rezultatai, kuriami iš transkripcijos. Praktiniame darbo su įrašu procese prieš transkripciją nuspręskite, ar reikia paprasto skaitomo teksto, anotuotų pokalbio pasisakymų ar subtitrų su laiko žymomis. Garso identifikatorių saugokite su rezultatu, išsaugokite grąžintą visą tekstą, kai svarbi skyryba ir žymos, o naršymui naudokite struktūruotus laiko laukus. Pro ilgų įrašų ir kelių kalbėtojų galimybės skiriasi nuo bendrojo Transcribe 1 modelio trumpiems įrašams; jų ribų ir valdiklių nereikėtų laikyti tarpusavyje pakeičiamais. **Ailoot Ultra · Kalbos atpažinimas** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro` [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/lt/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) Fish Audio /`fish-audio/transcribe-1-pro` ### Pradžia Transcribe 1 Pro iki 60 minučių įrašus paverčia tekstu su kalbėtojų žymomis ir pasirenkamomis žodžių laiko žymomis. Jis išsaugo iš garso numanomas emocijų ir balso reiškinių žymas, todėl interviu, susitikimus ir tinklalaides lengviau peržiūrėti, juose ieškoti ar paruošti subtitrams. Leidžiamos įvestys Garsas Rezultatai Tekstas ### Prieinama Ailoot · įvestys ir metodai **Ailoot Ultra · Kalbos atpažinimas** `POST /v1/audio/transcriptions` Įvestis `audio` Išvestis `text` Išvesties formatas json | Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta | | --- | --- | --- | --- | --- | | Laukas`model` | Tipas`string` | ReikalavimasPrivaloma | Reikšmės ir ribos fish-audio/transcribe-1-pro | Numatyta— | | Laukas`input_audio` | Tipas`object` | ReikalavimasPrivaloma | Reikšmės ir ribos Tikslūs raktai: data, format | Numatyta— | | Laukas`input_audio.data` | Tipas`base64_string` | ReikalavimasPrivaloma | Reikšmės ir ribos Didžiausias dekoduotų baitų skaičius: 26 214 400 Griežtas Base64: Taip | Numatyta— | | Laukas`input_audio.format` | Tipas`string` | ReikalavimasPrivaloma | Reikšmės ir ribos Sąlygos: Turi sutapti su tikrinant tikrą failą nustatytu formatu | Numatyta— | | Laukas`response_format` | Tipas`string` | ReikalavimasNeprivaloma | Reikšmės ir ribos json | Numatyta— | Įvesties medžiagos deriniai **speech\_to\_text** · Privaloma: input\_audio.data, input\_audio.format Metodo parametrai ir gyvavimo ciklas | Parametras | Specifikacija | | --- | --- | | Parametras`content_type` | Specifikacijaapplication/json | | Parametras`required` | Specifikacijamodel, input\_audio | | Parametras`additional_properties` | Specifikacijafalse | | Parametras`parameters` | Specifikacija{"name":"model","type":"string","required":true,"enum":\["fish-audio/transcribe-1-pro"\]}, {"name":"input\_audio","type":"object","required":true,"exact\_keys":\["data","format"\],"data":"griežtas tikrų palaikomo garso baitų base64 kodavimas","format":"tikslus tikrinant failą nustatytas formatas; turi atitikti tikruosius baitus"}, {"name":"response\_format","type":"string","required":false,"enum":\["json"\]} | | Parametras`max_audio_bytes` | Specifikacija26214400 | | Parametras`multipart_for_this_profile` | Specifikacijafalse | | Parametras`material_types` | Specifikacijaaudio | Gyvavimo ciklas: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · faktiškai grąžinta task\_id reikšmė arba medijos bibliotekos įrašas `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Išsaugokite visą atsakymą ir pradinius grąžintus ID. Niekada neteikite kūrimo užklausos dar kartą, kai jos baigtis nežinoma. ### 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 **$0.0002** už įvesties garso sekundę | Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. [Kaip veikia rezervavimas ir atsiskaitymas →](https://ailoot.ai/docs/lt/billing/reserve/) #### Informacinio tarifo duomenys Modelio informacinės lentelės nekeičia metodo pasirinkimo, kainos įverčių ar mokesčių. Galiojantys mokesčiai nustatomi pagal pasirinkto Ailoot metodo įkainius. Fish Audio: Transcribe 1 Pro #### Kainos pagal konfigūraciją | Konfigūracija | Apmokestinimo sąlygos | Mokestis | | --- | --- | --- | | KonfigūracijaFish Audio: Transcribe 1 Pro · Numatytoji konfigūracija | Apmokestinimo sąlygosNumatytoji konfigūracija | Mokestis Įvestis · Įvesties garso sekundės **0,0002 USD** už įvesties garso sekundę | ### Užklausų pavyzdžiai #### Ailoot Ultra · Kalbos atpažinimas curl · tikrieji garso baitai ir nustatytas formatas ```bash set -eu : "${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 ``` ### Gauti ir išsaugoti rezultatus #### Ailoot Ultra · Kalbos atpažinimas json - `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 JSON, atsakymo antraštes, tekstą ir kiekvieną tikrą grąžintą naudojimo lauką. Naudokite tikras užduoties ir ištekliaus tapatybes iš atsakymo arba jums priklausančios bibliotekos; operation\_id nėra task\_id. ##### Jei reikia patikrinti pradinį atsakymą Išsaugokite pradinį operation\_id/X-Client-Request-ID duomenims sutikrinti, pakartotinai neteikdami užklausos; atskiro garso būsenos tikrinimo maršruto nėra. Atsakymo laukai | Laukas | Tipas | Reikšmė | | --- | --- | --- | | Laukas`text` | Tipasstring | ReikšmėTranskribuotas tekstas. | | Laukas`usage` | Tipasobject | ReikšmėGarso naudojimo duomenys. | | Laukas`usage.seconds` | Tipasnumber | ReikšmėGarso trukmė sekundėmis. | | Laukas`duration` | Tipasnumber | ReikšmėGarso trukmė sekundėmis. | | Laukas`task_id` | Tipasstring | ReikšmėTranskripcijos užduoties ID; grąžinamas su asset\_url, kai netuščia transkripcija išsaugota, paskelbta ir jai suteiktas pasirašytas turinio URL. | | Laukas`asset_url` | Tipasstring | ReikšmėPasirašytas transkripcijos turinio URL; grąžinamas su task\_id, kai netuščia transkripcija išsaugota, paskelbta ir jai suteiktas pasirašytas turinio URL. | Klaidos ir tolesni veiksmai | Atsakymas | Sąlyga | Kitas žingsnis | | --- | --- | --- | | Atsakymas400 · `invalid_request_error` | SąlygaNetinkami privalomi laukai, medžiagos pateikimo forma arba parametro reikšmė | Kitas žingsnisPrieš naują kūrimo užklausą pataisykite nurodytus laukus. | | Atsakymas`server_error` | SąlygaGrąžintame atsakyme nurodoma, kad operaciją arba rezultatą reikia patikrinti | Kitas žingsnisIšsaugokite pradinį grąžintą operacijos ar užduoties ID, užklausos antraštes ir atsakymą; toliau tikrinkite tos pačios pradinės operacijos duomenis palaikomais būdais. Kūrimo užklausos pakartotinai neteikite. | ### Pseudonimai #### Modelių pseudonimai **Ailoot Ultra** [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/lt/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) #### Metodų kelių pseudonimai Naudokite aukščiau nurodytus metodų kelius. #### Susiję ID iškvietimui [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/lt/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) FAQ · Fish Audio: Transcribe 1 Pro Kokios įvestys ir rezultatai prieinami? `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `audio` → `text` Kokius laukus naudoja užklausa? `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `model`, `input_audio`, `response_format` Prijunkite Ailoot prie Claude Code, OpenCode, Hermes arba savo programos. ## Įmonė ir jos projektų portfelis Įmonė ir jos projektų portfelis: milijonai klientų; mėnesio pardavimai siekia milijardus. ## Pirkite žetonus su nuolaida. Prenumeratos nuolaida reguliariam darbui. Kodai — iki 50% žetonų pirkimui. Prenumerata Pasirinkite planą su nuolaida reguliarioms užklausoms. Nuolaidos kodas iki 50% Įveskite kodą perkant. Kaina perskaičiuojama pagal galiojančios akcijos sąlygas. Išlaidos istorijoje Kiekvienai užklausai išsaugomi modelis, žetonai ir suma. [Pasirinkti prenumeratą](https://ailoot.ai/docs/lt/billing/subscriptions/) · [Peržiūrėti modelių kainas](https://ailoot.ai/models/lt/) ## Prijunkite API prie produkto, kurį parduodate. SaaS, programos ir botai pagal Ailoot ofertą bei licencijos sutartį. Perpardavimui paprašykite perpardavėjo licencijos. Komercinė programa Teksto, vaizdų, video ir garso kūrimą integruokite į mokamas paslaugos funkcijas. Perpardavėjo licencija Atsiųskite projekto aprašymą ir prieigos schemą. Paprašykite rašytinių naudojimo ir perpardavimo sąlygų. Dokumentai svetainėje Oferta, licencijos sutartis ir duomenų tvarkymo politika prieinamos prieš prisijungiant. [Paprašyti perpardavėjo licencijos](mailto:support@ailoot.ai) · [Oferta ir licencijos sutartis](https://ailoot.ai/legal/offer?lang=lt) ## Ailoot · Įmonė ir jos projektų portfelis Ailoot remiasi sukaupta veiklos patirtimi, plačia klientų baze, stabiliomis paslaugomis ir nuolatine KPI kontrole. Įmonė ir jos projektų portfelis: milijonai klientų; mėnesio pardavimai siekia milijardus. Ailoot šią veiklos patirtį pritaiko teikdama API prieigą prie DI funkcijų klientų produktuose, agentuose, programose ir automatizavimo sprendimuose.