AssemblyAI: Universal-3.5 Pro
Universal-3.5 Pro ialah model pertuturan kepada teks AssemblyAI untuk menukar klip audio pendek kepada transkrip lengkap dalam satu respons. Profil Sync menambah keyakinan perkataan, cap masa perkataan pilihan, petunjuk kosa kata dan konteks perbualan terdahulu untuk input suara serta aliran kerja tekan untuk bercakap.
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Universal-3.5 Pro ialah model pengecaman pertuturan AssemblyAI untuk menukar pertuturan dirakam kepada teks. Dalam profil Sync, klip audio pendek menghasilkan transkrip lengkap dalam satu respons. Ini sesuai untuk mesej suara, input tekan untuk bercakap dan giliran perbualan diskret apabila aplikasi sudah tahu bila rakaman perlu berakhir.
Sediakan audio sebagai klip berskop terhad. Keperluan Sync AssemblyAI menerima tempoh daripada 80 milisaat hingga 120 saat, dengan saiz fail maksimum 40 MB. Format disokong ialah WAV atau PCM mentah bertanda 16 bit little-endian. Audio boleh mono atau stereo, dengan stereo dicampur turun secara dalaman. Kadar sampel disokong ialah 8, 16, 22.05, 24, 32, 44.1 dan 48 kHz. Pengepala WAV membekalkan kadar sampel dan bilangan saluran; PCM mentah memerlukan nilai itu dibekalkan berasingan dalam konfigurasi transkripsi.
Rakam keseluruhan ujaran dan pastikan awal serta akhir pertuturan utuh. Tugasan asal yang berguna ialah mesej suara sokongan produk pendek yang mengandungi nama produk, pengecam pesanan dan permintaan. Simpan klip sumber supaya transkrip boleh disemak terhadap butiran penting itu. Untuk rakaman lebih panjang, sediakan aliran kerja sesuai bagi transkripsi panjang, bukannya menganggap had tempoh klip pendek sebagai dakwaan kapasiti audio seluruh model.
Hasil mengandungi transkrip penuh, senarai perkataan dengan keyakinan setiap perkataan dan keyakinan keseluruhan antara sifar dan satu. Ia juga menyediakan tempoh audio yang dihantar dan pengecam permintaan, membolehkan teks dikekalkan bersama klip asalnya. Gunakan keyakinan perkataan untuk mencari petikan yang memerlukan semakan pendengaran, khususnya nama, nombor dan kosa kata domain yang penting kepada aplikasi.
Cap masa perkataan ialah pilihan dan dimatikan secara lalai. Apabila diminta, setiap perkataan yang dijajarkan boleh membawa masa mula dan akhir dalam milisaat relatif kepada permulaan klip. Profil pembuat membiarkan nilai itu tiada apabila perkataan tidak boleh dijajarkan, bukannya mereka-reka masa anggaran. Ketepatan cap masa terbaik untuk audio bahasa Inggeris. Kekalkan masa yang tiada secara jelas apabila menyediakan penyerlahan perkataan, bentuk gelombang boleh cari atau penjajaran sari kata, dan bandingkan teks dengan rakaman sebelum menggunakannya sebagai trek kapsyen siap.
Prompt kontekstual menerangkan perkara yang dibincangkan dalam rakaman. Ia boleh menamakan domain, senario atau butiran khusus yang sudah diketahui aplikasi, dan panjang maksimumnya ialah 6000 aksara. Mulakan dengan huraian pendek yang sesuai dengan audio, seperti perbualan sokongan teknikal tentang peranti tertentu. Prompt membekalkan konteks pengecaman; ia bukan permintaan untuk menulis semula mesej penutur menjadi dokumen berbeza.
Senarai keyterm berasingan membias pengecaman ke arah kosa kata khusus. Profil Sync menerima sehingga 100 istilah dan 8000 aksara merentas senarai itu. Gunakan ejaan tepat untuk nama luar biasa, akronim atau istilah produk, dan tinggalkan perkataan biasa yang dikenal pasti dengan baik daripada senarai. Senarai istilah besar atau tidak perlu boleh menyebabkan pembetulan berlebihan, maka fokuskan senarai pada perkataan yang penting dalam rakaman. Huraian konteks dan senarai kosa kata boleh digunakan bersama.
Perbualan terdahulu juga boleh membantu mentafsir respons pendek. Bekalkan ujaran sebelumnya mengikut urutan kronologi, daripada paling lama hingga paling baharu, sementara audio semasa kekal giliran yang ditranskripsikan. Peruntukan konteks yang didokumenkan ialah 500 giliran atau jumlah 16,000 aksara. Jika melebihi had itu atau konteks model tersedia, entri paling lama dibuang dahulu. Ini berguna apabila jawapan ringkas mengandungi pengecam atau rujukan yang maknanya datang daripada soalan sebelumnya.
Pemilihan bahasa memandu pengecaman ke arah satu atau lebih bahasa yang dijangka. Antara muka Sync semasa menerima 32 kod bahasa dan menggunakan bahasa Inggeris secara lalai apabila tiada pilihan dibekalkan. Untuk audio peralihan kod, senaraikan bahasa yang dijangka. Prompt kontekstual tersuai menggantikan lalai terurus dan mengatasi panduan kod bahasa berasingan, maka namakan bahasa yang dijangka dalam prompt itu apabila konteks bahasa serta senario diperlukan. Kekalkan transkrip dalam bahasa yang benar-benar dituturkan, bukannya menganggap transkripsi sebagai arahan terjemahan.
Model juga muncul dalam aliran kerja transkripsi AssemblyAI lain, manakala keperluan klip pendek dan medan hasil profil Sync milik antara muka khusus ini. Aliran kerja Dictation pembuat menambah peringkat pembersihan teks berasingan; transkrip dan mesej ditulis semula ialah artifak berbeza. Pelihara pertuturan yang dikenal pasti jika langkah penyuntingan atau peringkasan kemudian menghasilkan versi dibersihkan, supaya kata-kata asal kekal tersedia untuk perbandingan.
Hasil serahan berguna termasuk mesej suara ditranskripsikan, giliran lengkap untuk pembantu, teks audio pendek boleh cari atau senarai perkataan bermasa untuk antara muka semakan. Semak perkataan penentu dengan rakaman, pelihara sebarang penjajaran yang tiada dan pastikan klip terhubung dengan teks dipulangkan. Hasil pengecaman memberikan langkah aplikasi seterusnya transkripsi bersokong sumber; menjawab permintaan atau menyunting mesej menjadi tanggungjawab aliran kerja sekeliling.
Ailoot Ultra · Transkripsi POST /v1/audio/transcriptions assemblyai/universal-3-5-pro
assemblyai/universal-3-5-proPengenalan
Universal-3.5 Pro ialah model pertuturan kepada teks AssemblyAI untuk menukar klip audio pendek kepada transkrip lengkap dalam satu respons. Profil Sync menambah keyakinan perkataan, cap masa perkataan pilihan, petunjuk kosa kata dan konteks perbualan terdahulu untuk input suara serta aliran kerja tekan untuk bercakap.
- Input yang diterima
- Audio
- Hasil
- Teks
Tersedia di Ailoot · input & kaedah
Ailoot Ultra · Transkripsi POST /v1/audio/transcriptions
- Input
audio- Output
text
| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had assemblyai/universal-3-5-pro | Lalai— |
Medaninput_audio | Jenisobject | KeperluanDiperlukan | Nilai & had | Lalai— |
Parameter kaedah dan kitar hayat
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, input_audio |
Parametermaterial_types | Kontrakaudio |
Parametermaterial_conditions | KontrakContoh ini membaca fail PCM WAV sebenar anda yang tidak kosong, mengekodkan keseluruhan bait fail sebagai base64 dan menghantar input_audio.format sebagai wav. |
Kitar hayat: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id tepat daripada rekod media sedia ada milik anda
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Pelan harga
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
- Mod pantas
- Tidak dinyatakan Apabila mod pantas dipilih
- Mod flex
- Tidak dinyatakan Apabila mod flex dipilih
- Usaha penaakulan maksimum
- Tidak dinyatakan Apabila usaha penaakulan maksimum menggunakan pelarasan default
Kadar Ailoot
Harga mengikut konfigurasi
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Unit pengebilan | Caj |
|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Unit pengebilan— | Caj Input · Token input — / 1K token Output · Token output — / 1K token Input · Bacaan cache — / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| Konfigurasisaat audio input | Jadual kadar— | Unit pengebilanbagi setiap saat audio masukan | Caj Input · saat audio input $0.00025 bagi setiap saat audio masukan |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · Transkripsi
set -eu
: "${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.
Terima dan simpan hasil
Ailoot Ultra · Transkripsi
Badan respons asal yang lengkap, status dan pengepala yang dimajukan. Pengendali ini tidak menambah bentuk JSON sejagat, medan teks atau struktur pembungkus tugas.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
Simpan semua hasil yang selesai
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan respons dan pengepala yang lengkap, setiap output sebenar, pengecam asal yang dikembalikan serta semua medan penggunaan. Pulihkan operasi asal tanpa menghantar permintaan penciptaan sekali lagi.
Jika respons asal perlu disemak
Simpan X-Client-Request-ID sebenar dan respons lengkap. Baca aset asal milik anda serta pautan kandungan bertandatangan yang tepat; jangan sekali-kali hantar semula penciptaan yang tidak pasti.
Medan respons
| Medan | Jenis |
|---|---|
Medantext (when present) | Jenis |
Medanusage (when present) | Jenis |
Ralat dan langkah seterusnya
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratBadan JSON atau ID model kanonik yang dinyatakan secara jelas tidak sah. | Langkah seterusnyaSimpan respons dan betulkan medan permintaan yang dinyatakan. |
Respons401 · authentication_error | SyaratKunci API Ailoot tidak sah. | Langkah seterusnyaGunakan kunci API Ailoot anda yang dibenarkan. |
Respons403 · permission_error | SyaratKumpulan kunci tidak membenarkan kaedah ini. | Langkah seterusnyaSimpan butiran ralat yang dikembalikan. |
Respons404 · not_found_error | SyaratKaedah yang dipilih tidak mempunyai laluan yang dibenarkan. | Langkah seterusnyaSimpan butiran ralat yang dikembalikan. |
Respons422 · price_unavailable | SyaratTarif yang diterima tidak dapat memperoleh kuantiti input atau batas yang diperlukan. | Langkah seterusnyaSimpan respons; gunakan bentuk perwakilan input yang diperlukan oleh tarif yang diterima. |
Respons503 · | SyaratStoran, laluan, harga kaedah atau penahanan dana yang diperlukan tidak tersedia. | Langkah seterusnyaSimpan respons asal yang lengkap. Penahanan dana yang tidak pasti bukan kebenaran untuk menghantar semula. |
Respons502 · server_error | SyaratHasil asal, penggunaan atau penyelesaian caj memerlukan semakan. | Langkah seterusnyaSimpan ID permintaan sebenar dan respons asal. Baca rekod sedia ada milik anda; jangan hantar semula permintaan penciptaan. |
Alias
Alias model
Ailoot Ultra assemblyai/universal-3-5-pro
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
FAQ · AssemblyAI: Universal-3.5 Pro
- Apakah input dan hasil yang tersedia?
POST /v1/audio/transcriptions·assemblyai/universal-3-5-pro:audio→text- Apakah medan yang digunakan oleh permintaan?
POST /v1/audio/transcriptions·assemblyai/universal-3-5-pro:model,input_audio