Fish Audio: Transcribe 1

Transcribe 1 trumpus garso įrašus paverčia tekstu, automatiškai nustato kalbą ir gali pateikti atskirų žodžių laiko žymas. Transkripciją naudokite balso pastaboms, paieškai garso ištraukose ar subtitrams parengti, atskirdami segmentus su laiko žymomis nuo skaitomo viso teksto.

Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions fish-audio/transcribe-1

Apie modelį

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

Transcribe 1 – tai Fish Audio bendrosios paskirties kalbos vertimo tekstu modelis trumpiems įrašams. Jis priima garso failą ir grąžina atpažintus žodžius tekstu, įrašo trukmę, pasirenkamus segmentus su laiko žymomis ir, kai žinoma, informaciją apie kalbą. Modelis naudingas trumpai balso pastabai, sakytinei instrukcijai, įrašo ištraukai ar garso klipui, kuriam reikia skaitomo tekstinio atvaizdavimo.

Pavyzdinėje balso pastabų darbo eigoje įrašas saugomas kartu su visa jo transkripcija ir pradinio klipo identifikatoriumi. Vėlesnis programos žingsnis gali ieškoti tame tekste, sutvarkyti pastabą ar parengti santrauką, išsaugant sakytinį šaltinį. Komandos atveju transkripcija perduoda atpažintus žodžius programai; bet koks veiksmas yra atskiras interpretavimo ir vykdymo žingsnis. Interviu ištraukai užrašykite jos vietą visame garso įraše, kad citatą būtų galima patikrinti tinkamoje vietoje.

Gamintojas priima WAV, MP3, AAC, įskaitant M4A/MP4, FLAC ir Ogg su Opus arba Vorbis. Naršyklės įrašus WebM formatu šiam modeliui reikėtų konvertuoti į Ogg/Opus, MP3 arba WAV; Pro dokumentacijoje numatytas natyvus papildomų konteinerių palaikymas. Vienai užklausai pateikite vieną garso failą. Bazinio modelio dokumentuota užklausos apimtis siekia iki 50 MiB, o MP3 ir Opus failai turi būti mažesni nei 25 MiB. Failo dydis ir įrašo trukmė yra skirtingi dalykai: suglaudintas failas gali neviršyti įkėlimo ribos, tačiau jo apdorojimas vis tiek gali trukti per ilgai.

Transcribe 1 skirtas trumpiems įrašams. Gamintojas ilgesniam nei kelių minučių garsui rekomenduoja Pro; ilga bazinio modelio užklausa gali nepavykti viršijus apdorojimo laiko ribą. Ruošdami ilgesnį šaltinį trumpų klipų transkribavimui, išsaugokite kiekvieno klipo pradžios poslinkį ir prieš jungdami rezultatus patvirtinkite, kad grąžinta transkripcija apima visą klipą. Pradinį poslinkį pridėkite prie vietinių segmentų laikų, kad navigacija liktų susieta su visu įrašu. Bazinio modelio gairių nereikėtų suprasti kaip atskiros Pro 60 minučių ribos.

Gamintojo atsakyme pateikiami tekstas, trukmė ir segmentai. Trukmė išreiškiama sekundėmis, o skaitoma visa transkripcija turėtų būti saugoma kaip pagrindinis klipo tekstas. Laiko žymos pasirenkamos: gamintojo API parametro ignore_timestamps numatytoji reikšmė yra true, o false prašo žodžių lygmens segmentų su tekstu, pradžios ir pabaigos laikais sekundėmis. Laikinio sulygiavimo užklausa pailgina apdorojimą. Tuščias segments masyvas gali reikšti praleistą laiko žymėjimą, kalbos nebuvimą arba laikinai neprieinamą sulygiavimą, todėl jo nereikėtų automatiškai laikyti tuščia visa transkripcija.

Segmentai paprastai yra žodžiai, o kinų ir japonų kalbomis – vienas ar keli rašmenys. Jų tekste nėra skyrybos ženklų, o reikšmės gali būti normalizuotos kitaip nei visoje transkripcijoje; tai nėra skaitomo atsakymo kopija rašmuo į rašmenį. Segmento pradžios ir pabaigos laikas gali sutapti. Segmentus naudokite vietai įraše rasti ar sinchronizuotam rodymui parengti, o visą tekstą – kai svarbi tiksli formuluotė ir skyryba. Gautame rezultate šiuos du atvaizdavimo būdus laikykite atskirai.

Kalba nustatoma automatiškai, nepriklausomai nuo to, ar pateikta pasirenkama kalbos užuomina. Gamintojas užuominoms dokumentuoja mažosiomis raidėmis rašomus ISO 639-1 kodus ir, kai žinoma, grąžina kalbos kodą programos logikai bei kalbos pavadinimą rodymui. Atsakymas nurodo vieną kalbą, o ne visas kalbas įraše, kuriame tarp jų persijungiama. Su rezultatu išsaugokite originalią formuluotę ir turimus kalbos metaduomenis, užuot laikę transkripcijos užklausą vertimo operacija.

Subtitrų darbo eigoje gretimus segmentus su laiko žymomis sujunkite į skaitomus subtitrų įrašus, užuot rodę po vieną žodį. Naudingas rezultatas – su pradiniu klipu susietas SRT arba WebVTT failas, kurio įrašų ribos atitinka pauzes ir ekrane palieka tinkamą teksto kiekį. Patikrinkite, ar netrūksta laiko žymų ir ar kiekvieno įrašo pabaiga yra vėlesnė už pradžią. Subtitrų grupavimas ir failo formatavimas yra programos žingsniai, atliekami pagal grąžintą sulygiavimą, o rodymo sprendimai turėtų tikti grotuvui ir auditorijai.

Dokumentuoti Transcribe 1 valdikliai yra garsas, kalbos užuomina ir laiko žymų pasirinkimas. Pro kalbėtojų žymos, struktūrizuoti kalbėtojų pasisakymai, emocinių įvykių valdikliai ir kalbėtojų skaičiaus užuominos yra atskiros funkcijos; jos neįeina į dokumentuotą šio bazinio modelio atsakymo sutartį. Prieš apdorojimą pasirinkite reikalingą rezultatą: paprastą skaitomą tekstą pastabai arba tekstą su sulygiavimu atkūrimo navigacijai ir subtitrams. Išsaugotas klipo identifikatorius, transkripcija ir visos turimos laiko žymos daro rezultatą naudingą kitam programos etapui.

Ailoot Ultra · Transkribavimas POST /v1/audio/transcriptions fish-audio/transcribe-1

fish-audio/transcribe-1

Fish Audio /fish-audio/transcribe-1

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 fish-audio/transcribe-1	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 $0.0002 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 →

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': 'fish-audio/transcribe-1', '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 fish-audio/transcribe-1

Metodų kelių pseudonimai

Naudokite aukščiau nurodytus metodų kelius.

Susiję ID iškvietimui

fish-audio/transcribe-1

FAQ · Fish Audio: Transcribe 1

Kokios įvestys ir rezultatai prieinami?: POST /v1/audio/transcriptions · fish-audio/transcribe-1: audio → text
Kokius laukus naudoja užklausa?: POST /v1/audio/transcriptions · fish-audio/transcribe-1: model, input_audio

Fish Audio: Transcribe 1