Google Chirp 3 – daugiakalbis automatinio kalbos atpažinimo modelis, paverčiantis sakytinį garsą tekstu. Google jį dokumentuoja kaip Chirp 3 transkribavimo modelį Speech-to-Text V2 šeimoje; modelio identifikatorius – chirp_3. Jo paskirtis – atpažinti įrašytą arba srautu perduodamą kalbą, palaikant kalbos aptikimą ir transkribavimui skirtas funkcijas. Gaunamas artefaktas yra transkriptas ir pasirinkto atpažinimo metodo palaikomi metaduomenys, o ne sugeneruota kalba ar atviras asistento atsakymas.
Gamintojas atskiria srautinį atpažinimą, sinchroninį trumpų ištraukų atpažinimą ir paketinį ilgesnių įrašų atpažinimą. Režimą pasirinkite pagal šaltinio garsą ir reikalingą rezultatą. Trumpai balso žinutei gali pakakti užbaigto tekstinio atsakymo. Interviu ar įrašytam skambučiui naudingesnis gali būti paketinis rezultatas su kalbėtojų informacija. Tiesioginiams subtitrams ar sakytinių komandų sąsajai tarpinį tekstą laikykite atskirai nuo galutinio atpažinimo rezultato ir išsaugokite jo aprašomą garso intervalą.
Paruoškite garsą koduote, kurios tikisi atpažinimo įgyvendinimas. Google Chirp 3 pavyzdžiuose įrašytiems failams naudojamas automatiškai aptinkamas dekodavimas, o neapdoroto srautinio garso konfigūracijai – aiškiai nurodytas dekodavimas. Susijusiame V2 dekoderio žinyne tarp palaikomų koduočių nurodyti WAV PCM arba kompanduotas garsas, FLAC, MP3, Ogg/WebM Opus ir AAC MP4, M4A ar MOV konteineriuose. Konteinerio pavadinimas nepakeičia tikrojo kodeko ir diskretizavimo konfigūracijos. Išsaugokite aiškią kalbą ir venkite stipraus signalo nukirtimo ar nereikalingo konvertavimo, prarandančio girdimas detales.
Chirp 3 gali automatiškai nustatyti vyraujančią kalbą ir ją transkribuoti, o numatomų lokalių rinkinys gali susiaurinti atpažinimo pasirinkimus. Kalbų prieinamumas skiriasi pagal metodą ir funkciją. Transkribavimo kalbų sąrašas platesnis nei kalbėtojų atskyrimo, todėl kalbos atpažinimas nepatvirtina, kad jai taikoma kiekviena kalbėtojų ar laiko žymų funkcija. Naudokite įrašą atitinkančią lokalę ir išsaugokite peržiūrai vardus ar specializuotus terminus, ištartus perjungiant kalbas. Aptiktos kalbos žyma yra rezultato dalis, o ne įrodymas, kad visi neįprasti žodžiai atpažinti teisingai.
Kalbėtojų atskyrimas vieno kanalo įraše grupuoja kalbą pagal balsą. Google pateikia paketinio transkribavimo pavyzdį su kalbėtojo informacija prie kiekvieno žodžio. Interviu atveju šias žymas išsaugokite kartu su atpažintu tekstu ir prieš priskirdami tikrus vardus ar vaidmenis palyginkite kalbėtojų pasikeitimus su įrašu. Panašūs balsai, pertraukimai ir persidengianti kalba gali apsunkinti priskyrimą. Aiškiai nurodykite šaltinio kanalų išdėstymą ir numatomą kalbėtojų peržiūros užduotį, užuot laikę žymą nepriklausomai patikrinta tapatybe.
Laiko informacija taip pat priklauso nuo metodo. Srautinis atpažinimas pateikia pasisakymų lygmens laiko žymas, o gamintojo failų atpažinimo gairėse aprašomos pasirenkamos žodžių laiko žymos ir galimas transkribavimo kokybės kompromisas. Išsaugokite pasirinkto metodo iš tikrųjų grąžintus metaduomenis ir suderinimą tikrinkite kartu su formuluotėmis. Subtitrų rengimo eigai reikia abiejų: skaitomo atpažinto teksto ir įrodymų, kad laiko riba atitinka tinkamą garsą. Google taip pat įspėja, kad grąžinta žodžio lygmens pasitikėjimo reikšmė nėra tikras patikimumo balas, todėl ja nereikėtų patvirtinti, jog žodis teisingas.
Kalbos pritaikymas pateikia frazes ir tikrinius vardus, kurie tikėtini įraše. Gamintojas dokumentuoja iki 1,000 frazių žodyną ir rekomenduoja kuo mažiau susijusių įrašų, kad nepablogėtų kitų terminų atpažinimas. Techniniam pristatymui paruoškite trumpą tikrųjų produktų pavadinimų ir santrumpų sąrašą, tada patikrinkite juos transkripte. Prioriteto suteikimas padeda atpažinimui apsvarstyti terminą, tačiau nepatvirtina, kad jis buvo ištartas, ir nepakeičia patikros pagal garsą.
Modelis automatiškai įterpia skyrybos ženklus ir didžiąsias raides; dokumentuota sąsaja leidžia šias funkcijas išjungti. Google taip pat aprašo bandomąją funkciją pasirinktinėms transkripto formato instrukcijoms, pavyzdžiui, kaip rašyti konkretų vardą ar datą. Šias instrukcijas sutelkite į atpažintos kalbos formatavimą. Transkriptas, kuriame suvienodinama data ar prekės ženklas rašomas didžiąja raide, vis tiek turi išsaugoti pasakytą prasmę. Santrauka, vertimas ar faktinė analizė yra vėlesnis transkripto panaudojimas, o ne tai, ką savaime patvirtina atpažinimo rezultatas.
Įtaisytasis triukšmo slopintuvas skirtas foninei muzikai ir aplinkos garsams, pavyzdžiui, lietui ar gatvės triukšmui, mažinti. Google aiškiai nurodo, kad jis negali pašalinti foninių žmonių balsų. Rengdami įrašą su persidengiančiais pokalbiais išsaugokite šį skirtumą. Triukšmingas ir tylias vietas tikrinkite pagal šaltinį, o ne manykite, kad švariau atrodantis transkriptas įrodo trukdančio garso pašalinimą. Naudingame rezultate neaiškios ištraukos lieka atpažįstamos taisymui.
Srautinėse užduotyse pasisakymo pabaigos nustatymo jautrumas keičia momentą, kada pasisakymas laikomas baigtu. Gamintojas aprašo standard, short ir supershort nustatymus vis trumpesnei numatomai kalbai. Greitesnis nustatymas gali nukirsti kalbėtoją, kuris sustoja minties viduryje. Nustatymą derinkite prie natūralaus diktavimo, trumpo sakinio arba labai trumpos komandos ir kartu su transkriptu išsaugokite galutinio rezultato būseną. Užbaigtame faile patikrinkite vardus, kiekius, neiginius ir kalbėtojų ribas, tada išsaugokite pasirinktą režimą bei šaltinio garsą, kad rezultatą būtų galima patikrinti ar panaudoti pakartotinai.
", "aboutText": "Google Chirp 3 – daugiakalbis automatinio kalbos atpažinimo modelis, paverčiantis sakytinį garsą tekstu. Google jį dokumentuoja kaip Chirp 3 transkribavimo modelį Speech-to-Text V2 šeimoje; modelio identifikatorius – chirp_3. Jo paskirtis – atpažinti įrašytą arba srautu perduodamą kalbą, palaikant kalbos aptikimą ir transkribavimui skirtas funkcijas. Gaunamas artefaktas yra transkriptas ir pasirinkto atpažinimo metodo palaikomi metaduomenys, o ne sugeneruota kalba ar atviras asistento atsakymas.\n\nGamintojas atskiria srautinį atpažinimą, sinchroninį trumpų ištraukų atpažinimą ir paketinį ilgesnių įrašų atpažinimą. Režimą pasirinkite pagal šaltinio garsą ir reikalingą rezultatą. Trumpai balso žinutei gali pakakti užbaigto tekstinio atsakymo. Interviu ar įrašytam skambučiui naudingesnis gali būti paketinis rezultatas su kalbėtojų informacija. Tiesioginiams subtitrams ar sakytinių komandų sąsajai tarpinį tekstą laikykite atskirai nuo galutinio atpažinimo rezultato ir išsaugokite jo aprašomą garso intervalą.\n\nParuoškite garsą koduote, kurios tikisi atpažinimo įgyvendinimas. Google Chirp 3 pavyzdžiuose įrašytiems failams naudojamas automatiškai aptinkamas dekodavimas, o neapdoroto srautinio garso konfigūracijai – aiškiai nurodytas dekodavimas. Susijusiame V2 dekoderio žinyne tarp palaikomų koduočių nurodyti WAV PCM arba kompanduotas garsas, FLAC, MP3, Ogg/WebM Opus ir AAC MP4, M4A ar MOV konteineriuose. Konteinerio pavadinimas nepakeičia tikrojo kodeko ir diskretizavimo konfigūracijos. Išsaugokite aiškią kalbą ir venkite stipraus signalo nukirtimo ar nereikalingo konvertavimo, prarandančio girdimas detales.\n\nChirp 3 gali automatiškai nustatyti vyraujančią kalbą ir ją transkribuoti, o numatomų lokalių rinkinys gali susiaurinti atpažinimo pasirinkimus. Kalbų prieinamumas skiriasi pagal metodą ir funkciją. Transkribavimo kalbų sąrašas platesnis nei kalbėtojų atskyrimo, todėl kalbos atpažinimas nepatvirtina, kad jai taikoma kiekviena kalbėtojų ar laiko žymų funkcija. Naudokite įrašą atitinkančią lokalę ir išsaugokite peržiūrai vardus ar specializuotus terminus, ištartus perjungiant kalbas. Aptiktos kalbos žyma yra rezultato dalis, o ne įrodymas, kad visi neįprasti žodžiai atpažinti teisingai.\n\nKalbėtojų atskyrimas vieno kanalo įraše grupuoja kalbą pagal balsą. Google pateikia paketinio transkribavimo pavyzdį su kalbėtojo informacija prie kiekvieno žodžio. Interviu atveju šias žymas išsaugokite kartu su atpažintu tekstu ir prieš priskirdami tikrus vardus ar vaidmenis palyginkite kalbėtojų pasikeitimus su įrašu. Panašūs balsai, pertraukimai ir persidengianti kalba gali apsunkinti priskyrimą. Aiškiai nurodykite šaltinio kanalų išdėstymą ir numatomą kalbėtojų peržiūros užduotį, užuot laikę žymą nepriklausomai patikrinta tapatybe.\n\nLaiko informacija taip pat priklauso nuo metodo. Srautinis atpažinimas pateikia pasisakymų lygmens laiko žymas, o gamintojo failų atpažinimo gairėse aprašomos pasirenkamos žodžių laiko žymos ir galimas transkribavimo kokybės kompromisas. Išsaugokite pasirinkto metodo iš tikrųjų grąžintus metaduomenis ir suderinimą tikrinkite kartu su formuluotėmis. Subtitrų rengimo eigai reikia abiejų: skaitomo atpažinto teksto ir įrodymų, kad laiko riba atitinka tinkamą garsą. Google taip pat įspėja, kad grąžinta žodžio lygmens pasitikėjimo reikšmė nėra tikras patikimumo balas, todėl ja nereikėtų patvirtinti, jog žodis teisingas.\n\nKalbos pritaikymas pateikia frazes ir tikrinius vardus, kurie tikėtini įraše. Gamintojas dokumentuoja iki 1,000 frazių žodyną ir rekomenduoja kuo mažiau susijusių įrašų, kad nepablogėtų kitų terminų atpažinimas. Techniniam pristatymui paruoškite trumpą tikrųjų produktų pavadinimų ir santrumpų sąrašą, tada patikrinkite juos transkripte. Prioriteto suteikimas padeda atpažinimui apsvarstyti terminą, tačiau nepatvirtina, kad jis buvo ištartas, ir nepakeičia patikros pagal garsą.\n\nModelis automatiškai įterpia skyrybos ženklus ir didžiąsias raides; dokumentuota sąsaja leidžia šias funkcijas išjungti. Google taip pat aprašo bandomąją funkciją pasirinktinėms transkripto formato instrukcijoms, pavyzdžiui, kaip rašyti konkretų vardą ar datą. Šias instrukcijas sutelkite į atpažintos kalbos formatavimą. Transkriptas, kuriame suvienodinama data ar prekės ženklas rašomas didžiąja raide, vis tiek turi išsaugoti pasakytą prasmę. Santrauka, vertimas ar faktinė analizė yra vėlesnis transkripto panaudojimas, o ne tai, ką savaime patvirtina atpažinimo rezultatas.\n\nĮtaisytasis triukšmo slopintuvas skirtas foninei muzikai ir aplinkos garsams, pavyzdžiui, lietui ar gatvės triukšmui, mažinti. Google aiškiai nurodo, kad jis negali pašalinti foninių žmonių balsų. Rengdami įrašą su persidengiančiais pokalbiais išsaugokite šį skirtumą. Triukšmingas ir tylias vietas tikrinkite pagal šaltinį, o ne manykite, kad švariau atrodantis transkriptas įrodo trukdančio garso pašalinimą. Naudingame rezultate neaiškios ištraukos lieka atpažįstamos taisymui.\n\nSrautinėse užduotyse pasisakymo pabaigos nustatymo jautrumas keičia momentą, kada pasisakymas laikomas baigtu. Gamintojas aprašo standard, short ir supershort nustatymus vis trumpesnei numatomai kalbai. Greitesnis nustatymas gali nukirsti kalbėtoją, kuris sustoja minties viduryje. Nustatymą derinkite prie natūralaus diktavimo, trumpo sakinio arba labai trumpos komandos ir kartu su transkriptu išsaugokite galutinio rezultato būseną. Užbaigtame faile patikrinkite vardus, kiekius, neiginius ir kalbėtojų ribas, tada išsaugokite pasirinktą režimą bei šaltinio garsą, kad rezultatą būtų galima patikrinti ar panaudoti pakartotinai.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "7595a3d27641058cd39656912f1404bcbf627ab4f993995e9a21e44fa327cfff", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "lt", "methods": [ { "html": "google/chirp-3Google Chirp 3 – daugiakalbis kalbos atpažinimo modelis srautiniam garsui, trumpiems įrašams ir ilgesniam paketiniam transkribavimui. Jis automatiškai aptinka kalbą, įterpia skyrybos ženklus, pritaiko žodyną ir pagal režimą pateikia laiko arba kalbėtojų metaduomenis. Triukšmo slopintuvas mažina foninį triukšmą, tačiau negali pašalinti kitų balsų.
Šis aprašas apima modelio galimybes. Pasirinktam metodui Ailoot prieinamos įvestys, išvestys ir parinktys nurodytos toliau.
Google Chirp 3 – daugiakalbis automatinio kalbos atpažinimo modelis, paverčiantis sakytinį garsą tekstu. Google jį dokumentuoja kaip Chirp 3 transkribavimo modelį Speech-to-Text V2 šeimoje; modelio identifikatorius – chirp_3. Jo paskirtis – atpažinti įrašytą arba srautu perduodamą kalbą, palaikant kalbos aptikimą ir transkribavimui skirtas funkcijas. Gaunamas artefaktas yra transkriptas ir pasirinkto atpažinimo metodo palaikomi metaduomenys, o ne sugeneruota kalba ar atviras asistento atsakymas.
Gamintojas atskiria srautinį atpažinimą, sinchroninį trumpų ištraukų atpažinimą ir paketinį ilgesnių įrašų atpažinimą. Režimą pasirinkite pagal šaltinio garsą ir reikalingą rezultatą. Trumpai balso žinutei gali pakakti užbaigto tekstinio atsakymo. Interviu ar įrašytam skambučiui naudingesnis gali būti paketinis rezultatas su kalbėtojų informacija. Tiesioginiams subtitrams ar sakytinių komandų sąsajai tarpinį tekstą laikykite atskirai nuo galutinio atpažinimo rezultato ir išsaugokite jo aprašomą garso intervalą.
Paruoškite garsą koduote, kurios tikisi atpažinimo įgyvendinimas. Google Chirp 3 pavyzdžiuose įrašytiems failams naudojamas automatiškai aptinkamas dekodavimas, o neapdoroto srautinio garso konfigūracijai – aiškiai nurodytas dekodavimas. Susijusiame V2 dekoderio žinyne tarp palaikomų koduočių nurodyti WAV PCM arba kompanduotas garsas, FLAC, MP3, Ogg/WebM Opus ir AAC MP4, M4A ar MOV konteineriuose. Konteinerio pavadinimas nepakeičia tikrojo kodeko ir diskretizavimo konfigūracijos. Išsaugokite aiškią kalbą ir venkite stipraus signalo nukirtimo ar nereikalingo konvertavimo, prarandančio girdimas detales.
Chirp 3 gali automatiškai nustatyti vyraujančią kalbą ir ją transkribuoti, o numatomų lokalių rinkinys gali susiaurinti atpažinimo pasirinkimus. Kalbų prieinamumas skiriasi pagal metodą ir funkciją. Transkribavimo kalbų sąrašas platesnis nei kalbėtojų atskyrimo, todėl kalbos atpažinimas nepatvirtina, kad jai taikoma kiekviena kalbėtojų ar laiko žymų funkcija. Naudokite įrašą atitinkančią lokalę ir išsaugokite peržiūrai vardus ar specializuotus terminus, ištartus perjungiant kalbas. Aptiktos kalbos žyma yra rezultato dalis, o ne įrodymas, kad visi neįprasti žodžiai atpažinti teisingai.
Kalbėtojų atskyrimas vieno kanalo įraše grupuoja kalbą pagal balsą. Google pateikia paketinio transkribavimo pavyzdį su kalbėtojo informacija prie kiekvieno žodžio. Interviu atveju šias žymas išsaugokite kartu su atpažintu tekstu ir prieš priskirdami tikrus vardus ar vaidmenis palyginkite kalbėtojų pasikeitimus su įrašu. Panašūs balsai, pertraukimai ir persidengianti kalba gali apsunkinti priskyrimą. Aiškiai nurodykite šaltinio kanalų išdėstymą ir numatomą kalbėtojų peržiūros užduotį, užuot laikę žymą nepriklausomai patikrinta tapatybe.
Laiko informacija taip pat priklauso nuo metodo. Srautinis atpažinimas pateikia pasisakymų lygmens laiko žymas, o gamintojo failų atpažinimo gairėse aprašomos pasirenkamos žodžių laiko žymos ir galimas transkribavimo kokybės kompromisas. Išsaugokite pasirinkto metodo iš tikrųjų grąžintus metaduomenis ir suderinimą tikrinkite kartu su formuluotėmis. Subtitrų rengimo eigai reikia abiejų: skaitomo atpažinto teksto ir įrodymų, kad laiko riba atitinka tinkamą garsą. Google taip pat įspėja, kad grąžinta žodžio lygmens pasitikėjimo reikšmė nėra tikras patikimumo balas, todėl ja nereikėtų patvirtinti, jog žodis teisingas.
Kalbos pritaikymas pateikia frazes ir tikrinius vardus, kurie tikėtini įraše. Gamintojas dokumentuoja iki 1,000 frazių žodyną ir rekomenduoja kuo mažiau susijusių įrašų, kad nepablogėtų kitų terminų atpažinimas. Techniniam pristatymui paruoškite trumpą tikrųjų produktų pavadinimų ir santrumpų sąrašą, tada patikrinkite juos transkripte. Prioriteto suteikimas padeda atpažinimui apsvarstyti terminą, tačiau nepatvirtina, kad jis buvo ištartas, ir nepakeičia patikros pagal garsą.
Modelis automatiškai įterpia skyrybos ženklus ir didžiąsias raides; dokumentuota sąsaja leidžia šias funkcijas išjungti. Google taip pat aprašo bandomąją funkciją pasirinktinėms transkripto formato instrukcijoms, pavyzdžiui, kaip rašyti konkretų vardą ar datą. Šias instrukcijas sutelkite į atpažintos kalbos formatavimą. Transkriptas, kuriame suvienodinama data ar prekės ženklas rašomas didžiąja raide, vis tiek turi išsaugoti pasakytą prasmę. Santrauka, vertimas ar faktinė analizė yra vėlesnis transkripto panaudojimas, o ne tai, ką savaime patvirtina atpažinimo rezultatas.
Įtaisytasis triukšmo slopintuvas skirtas foninei muzikai ir aplinkos garsams, pavyzdžiui, lietui ar gatvės triukšmui, mažinti. Google aiškiai nurodo, kad jis negali pašalinti foninių žmonių balsų. Rengdami įrašą su persidengiančiais pokalbiais išsaugokite šį skirtumą. Triukšmingas ir tylias vietas tikrinkite pagal šaltinį, o ne manykite, kad švariau atrodantis transkriptas įrodo trukdančio garso pašalinimą. Naudingame rezultate neaiškios ištraukos lieka atpažįstamos taisymui.
Srautinėse užduotyse pasisakymo pabaigos nustatymo jautrumas keičia momentą, kada pasisakymas laikomas baigtu. Gamintojas aprašo standard, short ir supershort nustatymus vis trumpesnei numatomai kalbai. Greitesnis nustatymas gali nukirsti kalbėtoją, kuris sustoja minties viduryje. Nustatymą derinkite prie natūralaus diktavimo, trumpo sakinio arba labai trumpos komandos ir kartu su transkriptu išsaugokite galutinio rezultato būseną. Užbaigtame faile patikrinkite vardus, kiekius, neiginius ir kalbėtojų ribas, tada išsaugokite pasirinktą režimą bei šaltinio garsą, kad rezultatą būtų galima patikrinti ar panaudoti pakartotinai.
POST /v1/audio/transcriptionsaudiotext| Laukas | Tipas | Reikalavimas | Reikšmės ir ribos | Numatyta |
|---|---|---|---|---|
Laukasmodel | Tipasstring | ReikalavimasPrivaloma | Reikšmės ir ribos google/chirp-3 | Numatyta— |
Laukasinput_audio | Tipasobject | ReikalavimasPrivaloma | Reikšmės ir ribos | Numatyta— |
| Parametras | Specifikacija |
|---|---|
Parametrascontent_type | Specifikacijaapplication/json |
Parametrasrequired | Specifikacijamodel, input_audio |
Parametrasmaterial_types | Specifikacijaaudio |
Parametrasmaterial_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}
Tarifų informacija neprideda užklausos parinkčių. Palaikomi parametrai nurodyti prie pasirinkto metodo.
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 $0.000533333333334 už įvesties garso sekundę |
Ailoot prieš užklausą rezervuoja numatomą sumą. Gavus rezultatą, galutinis mokestis nuskaitomas pagal išmatuotą naudojimą. Srautinio atsakymo atsiskaitymui naudojamas galutinis naudojimo įrašas. Kaip veikia rezervavimas ir atsiskaitymas →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'google/chirp-3', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nVisas 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}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}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.
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.
| Laukas | Tipas |
|---|---|
Laukastext (when present) | Tipas |
Laukasusage (when present) | Tipas |
| 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. |
Ailoot Ultra google/chirp-3
Naudokite aukščiau nurodytus metodų kelius.