{ "aboutHtml": "

Transcribe 1 Pro ialah model pertuturan-ke-teks Fish Audio untuk klip pendek, perbualan berbilang penutur dan rakaman panjang. Ia menerima audio rakaman dan mengembalikan transkrip, dengan pemasaan pilihan serta giliran penutur berstruktur. Ciri yang membezakannya ialah perubahan penutur ditandakan dalam teks dan petunjuk tentang emosi atau peristiwa vokal, yang mengekalkan lebih banyak struktur perbualan rakaman berbanding urutan perkataan biasa.

Untuk temu bual, mesyuarat atau podcast, simpan seluruh perbualan dalam satu fail supaya penutur yang muncul semula dapat mengekalkan label konsisten dalam respons. Artifak semakan berguna ialah transkrip yang dipautkan kepada rakaman asal, dengan giliran dipaparkan berasingan dan cap masa tersedia untuk menyemak petikan. Ringkasan atau senarai tindakan ialah langkah aplikasi berikutnya: asingkannya daripada transkrip supaya sumber pertuturan kekal tersedia untuk perbandingan.

Pengeluar menerima rakaman sehingga 60 minit dan menerangkan pemprosesan fail panjang dengan audio dimampatkan seperti MP3, Opus atau AAC. Format yang disokong merangkumi WAV, MP3, AAC dalam M4A atau MP4, FLAC, Ogg dengan Opus atau Vorbis, WebM/Matroska dan MOV. Untuk fail video, ia menggunakan trek audio pertama. AIFF, CAF, WMA, AMR, AC-3 dan PCM mentah tanpa pengepala tidak disokong. Satu fail audio dibekalkan bagi setiap permintaan; hasil diterima selepas seluruh rakaman selesai ditranskripsikan, dan rakaman panjang boleh mengambil beberapa minit. Klip lebih pendek daripada kira-kira 0.08 saat ditolak.

Respons pengeluar mengandungi teks penuh, tempoh rakaman dalam saat dan tatasusunan segments. Pro menandakan perubahan penutur dalam teks dengan label seperti <|speaker:0|> dan <|speaker:1|>; label terpakai kepada teks berikutnya sehingga penanda seterusnya. Ini pengecam dalam satu respons, bukan nama atau identiti yang disahkan dan boleh dipadankan merentas permintaan. Jika transkrip tiada penanda penutur, panduan menganggapnya hasil penutur tunggal. Simpan sebarang teks sebelum penanda pertama bersama giliran pertama, bukannya membuangnya.

Cap masa peringkat perkataan bersifat pilihan. Dalam permintaan pengeluar, ignore_timestamps bernilai lalai true; menetapkannya kepada false meminta segments dengan text, start dan end dalam saat. Segmen biasanya satu perkataan, atau satu aksara atau beberapa aksara dalam bahasa Cina dan Jepun. Teks segmen tidak menyertakan tanda baca, penanda penutur dan petunjuk peristiwa serta boleh menormalkan nilai yang disebut secara berbeza daripada transkrip penuh. Segmen perkataan boleh mempunyai masa mula dan tamat yang sama. Tatasusunan segments kosong boleh bermakna cap masa tidak diminta, tiada pertuturan ditemui atau pemasaan tidak tersedia buat sementara waktu. Gunakan transkrip penuh untuk ungkapan yang boleh dibaca dan segments untuk penjajaran, bukannya menganggap kedua-dua rentetan sepadan aksara demi aksara.

Tetapan diarize bernilai lalai auto. Apabila cap masa diminta dan diarize bukan false, Pro turut mengembalikan speaker_turns. Setiap giliran mengandungi label penutur, teks serta masa mula/tamat, sambil mengekalkan tanda baca dan petunjuk yang dikekalkan tanpa penanda penutur dalam teks. Jika pemasaan perkataan tidak tersedia, masa giliran boleh berupa anggaran dan meliputi seluruh rakaman; giliran bersebelahan tidak semestinya bersambung atau bebas pertindihan. Menyahdayakan diarize membuang senarai giliran berstruktur tetapi mengekalkan penanda penutur dalam teks penuh. Bilangan penutur yang diketahui, atau bilangan minimum dan maksimum, boleh membimbing diarisasi rakaman lebih panjang atas dasar usaha terbaik. Bilangan tepat tidak boleh digabungkan dengan batas bilangan, dan petunjuk bilangan tidak boleh digunakan apabila diarize dinyahdayakan.

Petunjuk emosi dan peristiwa vokal muncul sebagai teks dalam kurungan siku, contohnya [laughter], bersama pertuturan yang dikenal pasti. Itu inferens daripada audio, bukan perkataan yang perlu ditambah pengguna sebelum transkripsi. Tetapan tag_audio_events Pro bernilai lalai true; penyahdayaannya membuang petunjuk ini daripada transkrip dan teks giliran tanpa mengubah pemasaan. Tiada medan emosi berasingan atau enumerasi emosi tetap. Simpan transkrip beranotasi apabila bunyi sesuatu ucapan penting dan gunakan versi tanpa petunjuk apabila artifak hiliran hanya memerlukan perkataan yang disebut.

Bahasa dikesan secara automatik. Petunjuk ISO 639-1 huruf kecil pilihan tidak memaksa terjemahan atau mengubah transkrip Pro. Jika bahasa tidak dapat ditentukan, kod bahasa yang dikembalikan boleh mencerminkan petunjuk tanpa mengesahkannya berdasarkan audio. Pengeluar melaporkan satu bahasa, bukannya inventori setiap bahasa dalam rakaman bercampur bahasa. Simpan ungkapan asal dan metadata bahasa bersama-sama ketika menyediakan arkib boleh carian, khususnya apabila bahagian perbualan bertukar bahasa.

Untuk kapsyen, kumpulkan perkataan bermasa berturutan menjadi cue SRT atau WebVTT yang boleh dibaca, bukannya menghasilkan satu kapsyen bagi setiap perkataan. Pisahkan cue sekitar jeda dan pilih panjang serta masa paparannya supaya sesuai dengan pemain dan khalayak. Sempadan giliran penutur boleh memastikan penutur berbeza berada dalam cue berasingan. Periksa hasil pemasaan kosong dan cue yang masa tamatnya mesti selepas masa mula. Pemformatan kapsyen, nama bagi label penutur tanpa nama dan sebarang ringkasan kemudian ialah artifak aplikasi yang dibina daripada hasil transkripsi.

Untuk aliran kerja rakaman praktikal, tentukan sebelum transkripsi sama ada anda memerlukan transkrip biasa yang mudah dibaca, giliran perbualan beranotasi atau kapsyen bermasa. Simpan pengecam audio bersama hasil, kekalkan teks penuh yang dikembalikan apabila tanda baca dan petunjuk penting serta gunakan medan pemasaan berstruktur untuk navigasi. Keupayaan rakaman panjang dan berbilang penutur Pro berbeza daripada model Transcribe 1 umum untuk rakaman pendek; had serta kawalannya tidak patut dianggap boleh saling ditukar ganti.

", "aboutText": "Transcribe 1 Pro ialah model pertuturan-ke-teks Fish Audio untuk klip pendek, perbualan berbilang penutur dan rakaman panjang. Ia menerima audio rakaman dan mengembalikan transkrip, dengan pemasaan pilihan serta giliran penutur berstruktur. Ciri yang membezakannya ialah perubahan penutur ditandakan dalam teks dan petunjuk tentang emosi atau peristiwa vokal, yang mengekalkan lebih banyak struktur perbualan rakaman berbanding urutan perkataan biasa.\n\nUntuk temu bual, mesyuarat atau podcast, simpan seluruh perbualan dalam satu fail supaya penutur yang muncul semula dapat mengekalkan label konsisten dalam respons. Artifak semakan berguna ialah transkrip yang dipautkan kepada rakaman asal, dengan giliran dipaparkan berasingan dan cap masa tersedia untuk menyemak petikan. Ringkasan atau senarai tindakan ialah langkah aplikasi berikutnya: asingkannya daripada transkrip supaya sumber pertuturan kekal tersedia untuk perbandingan.\n\nPengeluar menerima rakaman sehingga 60 minit dan menerangkan pemprosesan fail panjang dengan audio dimampatkan seperti MP3, Opus atau AAC. Format yang disokong merangkumi WAV, MP3, AAC dalam M4A atau MP4, FLAC, Ogg dengan Opus atau Vorbis, WebM/Matroska dan MOV. Untuk fail video, ia menggunakan trek audio pertama. AIFF, CAF, WMA, AMR, AC-3 dan PCM mentah tanpa pengepala tidak disokong. Satu fail audio dibekalkan bagi setiap permintaan; hasil diterima selepas seluruh rakaman selesai ditranskripsikan, dan rakaman panjang boleh mengambil beberapa minit. Klip lebih pendek daripada kira-kira 0.08 saat ditolak.\n\nRespons pengeluar mengandungi teks penuh, tempoh rakaman dalam saat dan tatasusunan segments. Pro menandakan perubahan penutur dalam teks dengan label seperti <|speaker:0|> dan <|speaker:1|>; label terpakai kepada teks berikutnya sehingga penanda seterusnya. Ini pengecam dalam satu respons, bukan nama atau identiti yang disahkan dan boleh dipadankan merentas permintaan. Jika transkrip tiada penanda penutur, panduan menganggapnya hasil penutur tunggal. Simpan sebarang teks sebelum penanda pertama bersama giliran pertama, bukannya membuangnya.\n\nCap masa peringkat perkataan bersifat pilihan. Dalam permintaan pengeluar, ignore_timestamps bernilai lalai true; menetapkannya kepada false meminta segments dengan text, start dan end dalam saat. Segmen biasanya satu perkataan, atau satu aksara atau beberapa aksara dalam bahasa Cina dan Jepun. Teks segmen tidak menyertakan tanda baca, penanda penutur dan petunjuk peristiwa serta boleh menormalkan nilai yang disebut secara berbeza daripada transkrip penuh. Segmen perkataan boleh mempunyai masa mula dan tamat yang sama. Tatasusunan segments kosong boleh bermakna cap masa tidak diminta, tiada pertuturan ditemui atau pemasaan tidak tersedia buat sementara waktu. Gunakan transkrip penuh untuk ungkapan yang boleh dibaca dan segments untuk penjajaran, bukannya menganggap kedua-dua rentetan sepadan aksara demi aksara.\n\nTetapan diarize bernilai lalai auto. Apabila cap masa diminta dan diarize bukan false, Pro turut mengembalikan speaker_turns. Setiap giliran mengandungi label penutur, teks serta masa mula/tamat, sambil mengekalkan tanda baca dan petunjuk yang dikekalkan tanpa penanda penutur dalam teks. Jika pemasaan perkataan tidak tersedia, masa giliran boleh berupa anggaran dan meliputi seluruh rakaman; giliran bersebelahan tidak semestinya bersambung atau bebas pertindihan. Menyahdayakan diarize membuang senarai giliran berstruktur tetapi mengekalkan penanda penutur dalam teks penuh. Bilangan penutur yang diketahui, atau bilangan minimum dan maksimum, boleh membimbing diarisasi rakaman lebih panjang atas dasar usaha terbaik. Bilangan tepat tidak boleh digabungkan dengan batas bilangan, dan petunjuk bilangan tidak boleh digunakan apabila diarize dinyahdayakan.\n\nPetunjuk emosi dan peristiwa vokal muncul sebagai teks dalam kurungan siku, contohnya [laughter], bersama pertuturan yang dikenal pasti. Itu inferens daripada audio, bukan perkataan yang perlu ditambah pengguna sebelum transkripsi. Tetapan tag_audio_events Pro bernilai lalai true; penyahdayaannya membuang petunjuk ini daripada transkrip dan teks giliran tanpa mengubah pemasaan. Tiada medan emosi berasingan atau enumerasi emosi tetap. Simpan transkrip beranotasi apabila bunyi sesuatu ucapan penting dan gunakan versi tanpa petunjuk apabila artifak hiliran hanya memerlukan perkataan yang disebut.\n\nBahasa dikesan secara automatik. Petunjuk ISO 639-1 huruf kecil pilihan tidak memaksa terjemahan atau mengubah transkrip Pro. Jika bahasa tidak dapat ditentukan, kod bahasa yang dikembalikan boleh mencerminkan petunjuk tanpa mengesahkannya berdasarkan audio. Pengeluar melaporkan satu bahasa, bukannya inventori setiap bahasa dalam rakaman bercampur bahasa. Simpan ungkapan asal dan metadata bahasa bersama-sama ketika menyediakan arkib boleh carian, khususnya apabila bahagian perbualan bertukar bahasa.\n\nUntuk kapsyen, kumpulkan perkataan bermasa berturutan menjadi cue SRT atau WebVTT yang boleh dibaca, bukannya menghasilkan satu kapsyen bagi setiap perkataan. Pisahkan cue sekitar jeda dan pilih panjang serta masa paparannya supaya sesuai dengan pemain dan khalayak. Sempadan giliran penutur boleh memastikan penutur berbeza berada dalam cue berasingan. Periksa hasil pemasaan kosong dan cue yang masa tamatnya mesti selepas masa mula. Pemformatan kapsyen, nama bagi label penutur tanpa nama dan sebarang ringkasan kemudian ialah artifak aplikasi yang dibina daripada hasil transkripsi.\n\nUntuk aliran kerja rakaman praktikal, tentukan sebelum transkripsi sama ada anda memerlukan transkrip biasa yang mudah dibaca, giliran perbualan beranotasi atau kapsyen bermasa. Simpan pengecam audio bersama hasil, kekalkan teks penuh yang dikembalikan apabila tanda baca dan petunjuk penting serta gunakan medan pemasaan berstruktur untuk navigasi. Keupayaan rakaman panjang dan berbilang penutur Pro berbeza daripada model Transcribe 1 umum untuk rakaman pendek; had serta kawalannya tidak patut dianggap boleh saling ditukar ganti.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "1173ac804c8944e993903f08b331c8baa423b65ee3a63468c3373d25bdf98d94", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "
•

Fish Audio: Transcribe 1 Pro

Fish Audio /fish-audio/transcribe-1-pro

Pengenalan

Transcribe 1 Pro menukarkan rakaman sehingga 60 minit kepada teks dengan penanda penutur dan pemasaan peringkat perkataan pilihan. Ia mengekalkan petunjuk emosi yang diinferenskan dan peristiwa vokal, menjadikan temu bual, mesyuarat dan podcast lebih mudah disemak, dicari atau disediakan untuk kapsyen.

Input yang diterima
Audio
Hasil
Teks
Tentang model

Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.

Transcribe 1 Pro ialah model pertuturan-ke-teks Fish Audio untuk klip pendek, perbualan berbilang penutur dan rakaman panjang. Ia menerima audio rakaman dan mengembalikan transkrip, dengan pemasaan pilihan serta giliran penutur berstruktur. Ciri yang membezakannya ialah perubahan penutur ditandakan dalam teks dan petunjuk tentang emosi atau peristiwa vokal, yang mengekalkan lebih banyak struktur perbualan rakaman berbanding urutan perkataan biasa.

Untuk temu bual, mesyuarat atau podcast, simpan seluruh perbualan dalam satu fail supaya penutur yang muncul semula dapat mengekalkan label konsisten dalam respons. Artifak semakan berguna ialah transkrip yang dipautkan kepada rakaman asal, dengan giliran dipaparkan berasingan dan cap masa tersedia untuk menyemak petikan. Ringkasan atau senarai tindakan ialah langkah aplikasi berikutnya: asingkannya daripada transkrip supaya sumber pertuturan kekal tersedia untuk perbandingan.

Pengeluar menerima rakaman sehingga 60 minit dan menerangkan pemprosesan fail panjang dengan audio dimampatkan seperti MP3, Opus atau AAC. Format yang disokong merangkumi WAV, MP3, AAC dalam M4A atau MP4, FLAC, Ogg dengan Opus atau Vorbis, WebM/Matroska dan MOV. Untuk fail video, ia menggunakan trek audio pertama. AIFF, CAF, WMA, AMR, AC-3 dan PCM mentah tanpa pengepala tidak disokong. Satu fail audio dibekalkan bagi setiap permintaan; hasil diterima selepas seluruh rakaman selesai ditranskripsikan, dan rakaman panjang boleh mengambil beberapa minit. Klip lebih pendek daripada kira-kira 0.08 saat ditolak.

Respons pengeluar mengandungi teks penuh, tempoh rakaman dalam saat dan tatasusunan segments. Pro menandakan perubahan penutur dalam teks dengan label seperti <|speaker:0|> dan <|speaker:1|>; label terpakai kepada teks berikutnya sehingga penanda seterusnya. Ini pengecam dalam satu respons, bukan nama atau identiti yang disahkan dan boleh dipadankan merentas permintaan. Jika transkrip tiada penanda penutur, panduan menganggapnya hasil penutur tunggal. Simpan sebarang teks sebelum penanda pertama bersama giliran pertama, bukannya membuangnya.

Cap masa peringkat perkataan bersifat pilihan. Dalam permintaan pengeluar, ignore_timestamps bernilai lalai true; menetapkannya kepada false meminta segments dengan text, start dan end dalam saat. Segmen biasanya satu perkataan, atau satu aksara atau beberapa aksara dalam bahasa Cina dan Jepun. Teks segmen tidak menyertakan tanda baca, penanda penutur dan petunjuk peristiwa serta boleh menormalkan nilai yang disebut secara berbeza daripada transkrip penuh. Segmen perkataan boleh mempunyai masa mula dan tamat yang sama. Tatasusunan segments kosong boleh bermakna cap masa tidak diminta, tiada pertuturan ditemui atau pemasaan tidak tersedia buat sementara waktu. Gunakan transkrip penuh untuk ungkapan yang boleh dibaca dan segments untuk penjajaran, bukannya menganggap kedua-dua rentetan sepadan aksara demi aksara.

Tetapan diarize bernilai lalai auto. Apabila cap masa diminta dan diarize bukan false, Pro turut mengembalikan speaker_turns. Setiap giliran mengandungi label penutur, teks serta masa mula/tamat, sambil mengekalkan tanda baca dan petunjuk yang dikekalkan tanpa penanda penutur dalam teks. Jika pemasaan perkataan tidak tersedia, masa giliran boleh berupa anggaran dan meliputi seluruh rakaman; giliran bersebelahan tidak semestinya bersambung atau bebas pertindihan. Menyahdayakan diarize membuang senarai giliran berstruktur tetapi mengekalkan penanda penutur dalam teks penuh. Bilangan penutur yang diketahui, atau bilangan minimum dan maksimum, boleh membimbing diarisasi rakaman lebih panjang atas dasar usaha terbaik. Bilangan tepat tidak boleh digabungkan dengan batas bilangan, dan petunjuk bilangan tidak boleh digunakan apabila diarize dinyahdayakan.

Petunjuk emosi dan peristiwa vokal muncul sebagai teks dalam kurungan siku, contohnya [laughter], bersama pertuturan yang dikenal pasti. Itu inferens daripada audio, bukan perkataan yang perlu ditambah pengguna sebelum transkripsi. Tetapan tag_audio_events Pro bernilai lalai true; penyahdayaannya membuang petunjuk ini daripada transkrip dan teks giliran tanpa mengubah pemasaan. Tiada medan emosi berasingan atau enumerasi emosi tetap. Simpan transkrip beranotasi apabila bunyi sesuatu ucapan penting dan gunakan versi tanpa petunjuk apabila artifak hiliran hanya memerlukan perkataan yang disebut.

Bahasa dikesan secara automatik. Petunjuk ISO 639-1 huruf kecil pilihan tidak memaksa terjemahan atau mengubah transkrip Pro. Jika bahasa tidak dapat ditentukan, kod bahasa yang dikembalikan boleh mencerminkan petunjuk tanpa mengesahkannya berdasarkan audio. Pengeluar melaporkan satu bahasa, bukannya inventori setiap bahasa dalam rakaman bercampur bahasa. Simpan ungkapan asal dan metadata bahasa bersama-sama ketika menyediakan arkib boleh carian, khususnya apabila bahagian perbualan bertukar bahasa.

Untuk kapsyen, kumpulkan perkataan bermasa berturutan menjadi cue SRT atau WebVTT yang boleh dibaca, bukannya menghasilkan satu kapsyen bagi setiap perkataan. Pisahkan cue sekitar jeda dan pilih panjang serta masa paparannya supaya sesuai dengan pemain dan khalayak. Sempadan giliran penutur boleh memastikan penutur berbeza berada dalam cue berasingan. Periksa hasil pemasaan kosong dan cue yang masa tamatnya mesti selepas masa mula. Pemformatan kapsyen, nama bagi label penutur tanpa nama dan sebarang ringkasan kemudian ialah artifak aplikasi yang dibina daripada hasil transkripsi.

Untuk aliran kerja rakaman praktikal, tentukan sebelum transkripsi sama ada anda memerlukan transkrip biasa yang mudah dibaca, giliran perbualan beranotasi atau kapsyen bermasa. Simpan pengecam audio bersama hasil, kekalkan teks penuh yang dikembalikan apabila tanda baca dan petunjuk penting serta gunakan medan pemasaan berstruktur untuk navigasi. Keupayaan rakaman panjang dan berbilang penutur Pro berbeza daripada model Transcribe 1 umum untuk rakaman pendek; had serta kawalannya tidak patut dianggap boleh saling ditukar ganti.

Tersedia di Ailoot · input & kaedah

Ailoot Ultra · Pengecaman pertuturan POST /v1/audio/transcriptions
Input
audio
Output
text
Format output
json
MedanJenisKeperluanNilai & hadLalai
MedanmodelJenisstringKeperluanDiperlukanNilai & had
fish-audio/transcribe-1-pro
Lalai—
Medaninput_audioJenisobjectKeperluanDiperlukanNilai & had
Kunci tepat: data, format
Lalai—
Medaninput_audio.dataJenisbase64_stringKeperluanDiperlukanNilai & had
Bait ternyahkod maksimum: 26,214,400
Base64 ketat: Ya
Lalai—
Medaninput_audio.formatJenisstringKeperluanDiperlukanNilai & had
Syarat: Mesti sama dengan format sebenar yang dikenal pasti melalui pemeriksaan fail
Lalai—
Medanresponse_formatJenisstringKeperluanPilihanNilai & had
json
Lalai—
Gabungan bahan input

speech_to_text · Diperlukan: input_audio.data, input_audio.format

Parameter kaedah dan kitar hayat
ParameterKontrak
Parametercontent_typeKontrakapplication/json
ParameterrequiredKontrakmodel, input_audio
Parameteradditional_propertiesKontrakfalse
ParameterparametersKontrak{"name":"model","type":"string","required":true,"enum":["fish-audio/transcribe-1-pro"]}, {"name":"input_audio","type":"object","required":true,"exact_keys":["data","format"],"data":"base64 ketat bagi bait audio sebenar yang disokong","format":"format fail tepat yang dikenal pasti melalui pemeriksaan; mesti sepadan dengan bait sebenar"}, {"name":"response_format","type":"string","required":false,"enum":["json"]}
Parametermax_audio_bytesKontrak26214400
Parametermultipart_for_this_profileKontrakfalse
Parametermaterial_typesKontrakaudio

Kitar hayat: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id sebenar yang dikembalikan atau rekod pustaka media

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Simpan respons lengkap dan ID asal yang dikembalikan.

Jangan sekali-kali hantar semula penciptaan yang tidak diketahui hasilnya.

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.

KonfigurasiJadual kadarUnit pengebilanCaj
KonfigurasiKadar asas tokenJadual kadarKadar asasUnit 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 inputJadual kadar—Unit pengebilanbagi setiap saat audio masukanCaj
Input · saat audio input $0.0002 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 →

Butiran tarif rujukan

Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.

Fish Audio: Transcribe 1 Pro

Harga mengikut konfigurasi

KonfigurasiSyarat pengebilanCaj
KonfigurasiFish Audio: Transcribe 1 Pro · Konfigurasi lalaiSyarat pengebilanKonfigurasi lalaiCaj
Input · Saat audio input USD 0.0002 bagi setiap saat audio masukan

Contoh permintaan

Ailoot Ultra · Pengecaman pertuturan

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set your actual audio file}"\n: "${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}"\nexport AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "fish-audio/transcribe-1-pro", "response_format": "json"}')\nimport base64\nf=Path(os.environ['AILOOT_AUDIO_FILE'])\nraw=f.read_bytes()\nif not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB')\nfmt=os.environ['AILOOT_AUDIO_FORMAT'].strip()\nif not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes')\np['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt}\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False))\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 result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\n

Terima dan simpan hasil

Ailoot Ultra · Pengecaman pertuturan

json

Simpan semua hasil yang selesai

Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.

Simpan JSON lengkap, pengepala respons, teks dan setiap medan penggunaan sebenar yang dikembalikan. Gunakan identiti tugas/aset sebenar daripada respons atau pustaka milik anda; operation_id bukan task_id.

Jika respons asal perlu disemak

Simpan operation_id/X-Client-Request-ID asal untuk penyelarasan rekod tanpa penghantaran semula; tiada laluan khusus untuk meninjau status audio.

Medan respons
MedanJenisMaksud
MedantextJenisstringMaksudTeks yang ditranskripsikan.
MedanusageJenisobjectMaksudPenggunaan audio.
Medanusage.secondsJenisnumberMaksudTempoh audio dalam saat.
MedandurationJenisnumberMaksudTempoh audio dalam saat.
Medantask_idJenisstringMaksudID tugas transkrip; dikembalikan bersama asset_url apabila transkrip yang tidak kosong disimpan, diterbitkan dan diberikan URL kandungan bertandatangan.
Medanasset_urlJenisstringMaksudURL kandungan transkrip bertandatangan; dikembalikan bersama task_id apabila transkrip yang tidak kosong disimpan, diterbitkan dan diberikan URL kandungan bertandatangan.
Ralat dan langkah seterusnya
ResponsSyaratLangkah seterusnya
Respons400 · invalid_request_errorSyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sahLangkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.
Responsserver_errorSyaratRespons yang dikembalikan menyatakan bahawa operasi atau hasil memerlukan semakanLangkah seterusnyaSimpan ID operasi/tugas asal yang dikembalikan, pengepala permintaan dan respons; teruskan pembacaan yang disokong bagi operasi asal tersebut. Jangan hantar semula permintaan penciptaan.

Alias

Alias model

Ailoot Ultra fish-audio/transcribe-1-pro

Alias laluan kaedah

Gunakan laluan kaedah yang dipaparkan di atas.

ID pemanggil berkaitan

fish-audio/transcribe-1-pro

", "method_identity": { "effective_request_model_id": "fish-audio/transcribe-1-pro", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "fish-audio/transcribe-1-pro", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|fish-audio%2Ftranscribe-1-pro", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete JSON, response headers, text and every actual returned usage field. Use actual task/asset identities from the response or owned library; operation_id is not task_id.", "errors": [ { "code": null, "condition": "Medan wajib, perwakilan bahan atau nilai parameter tidak sah", "http_status": 400, "recovery": "Betulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.", "type": "invalid_request_error" }, { "code": null, "condition": "Respons yang dikembalikan menyatakan bahawa operasi atau hasil memerlukan semakan", "http_status": null, "recovery": "Simpan ID operasi/tugas asal yang dikembalikan, pengepala permintaan dan respons; teruskan pembacaan yang disokong bagi operasi asal tersebut. Jangan hantar semula permintaan penciptaan.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Simpan operation_id/X-Client-Request-ID asal untuk penyelarasan rekod tanpa penghantaran semula; tiada laluan khusus untuk meninjau status audio." }, "limits": { "decoded_audio_max_bytes": 26214400 }, "material_combinations": [ { "content_type": "application/json", "mode": "speech_to_text", "required": [ "input_audio.data", "input_audio.format" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "speech_to_text" ], "outputs": { "all_results": "Simpan JSON lengkap, pengepala respons, teks dan setiap medan penggunaan sebenar yang dikembalikan. Gunakan identiti tugas/aset sebenar daripada respons atau pustaka milik anda; operation_id bukan task_id.", "family": "transcription", "fields": [ { "description": "Teks yang ditranskripsikan.", "name": "text", "required": true, "required_known": true, "type": "string" }, { "description": "Penggunaan audio.", "name": "usage", "required": true, "required_known": true, "type": "object" }, { "description": "Tempoh audio dalam saat.", "name": "usage.seconds", "required": true, "required_known": true, "type": "number" }, { "description": "Tempoh audio dalam saat.", "name": "duration", "required": true, "required_known": true, "type": "number" }, { "description": "ID tugas transkrip; dikembalikan bersama asset_url apabila transkrip yang tidak kosong disimpan, diterbitkan dan diberikan URL kandungan bertandatangan.", "name": "task_id", "required": false, "required_known": true, "type": "string" }, { "description": "URL kandungan transkrip bertandatangan; dikembalikan bersama task_id apabila transkrip yang tidak kosong disimpan, diterbitkan dan diberikan URL kandungan bertandatangan.", "name": "asset_url", "required": false, "required_known": true, "type": "string" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "fish-audio/transcribe-1-pro" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "exact_keys": [ "data", "format" ], "name": "input_audio", "required": true, "type": "object" }, { "availability": "source_interface", "decoded_maximum_bytes": 26214400, "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.data", "required": true, "strict_base64": true, "type": "base64_string" }, { "availability": "source_interface", "conditions": "Mesti sama dengan format sebenar yang dikenal pasti melalui pemeriksaan fail", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.format", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "multipart input on this exact profile", "fields outside model/input_audio/response_format", "non-json response format" ] }, "hints": [ "Simpan respons lengkap dan ID asal yang dikembalikan.", "Jangan sekali-kali hantar semula penciptaan yang tidak diketahui hasilnya." ], "input": { "additional_properties": false, "content_type": "application/json", "material_types": [ "audio" ], "max_audio_bytes": 26214400, "multipart_for_this_profile": false, "parameters": [ { "enum": [ "fish-audio/transcribe-1-pro" ], "name": "model", "required": true, "type": "string" }, { "data": "base64 ketat bagi bait audio sebenar yang disokong", "exact_keys": [ "data", "format" ], "format": "format fail tepat yang dikenal pasti melalui pemeriksaan; mesti sepadan dengan bait sebenar", "name": "input_audio", "required": true, "type": "object" }, { "enum": [ "json" ], "name": "response_format", "required": false, "type": "string" } ], "required": [ "model", "input_audio" ] }, "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "task_id sebenar yang dikembalikan atau rekod pustaka media", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "method_aliases": [], "operation_modes": [ "speech_to_text" ], "output": { "family": "text", "type": "JSON transcript with text and usage; actual owned transcript flow" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set your actual audio file}\"\n: \"${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}\"\nexport AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"fish-audio/transcribe-1-pro\", \"response_format\": \"json\"}')\nimport base64\nf=Path(os.environ['AILOOT_AUDIO_FILE'])\nraw=f.read_bytes()\nif not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB')\nfmt=os.environ['AILOOT_AUDIO_FORMAT'].strip()\nif not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes')\np['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt}\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False))\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 result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\n", "label": "curl · actual audio bytes and probed format", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Keep the complete response and the original returned IDs.", "Never resubmit an unknown creation." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Распознавание речи", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "fish-audio/transcribe-1-pro", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } } ], "model_id": "fish-audio/transcribe-1-pro", "nativeProvenance": { "input_facts_canonical_sha256": "8bdbdf09a7b732a5f56bcb24b2634f2b7326345bd8795fba15d59b8c7659307c", "input_html_sha256": "be4a9a73f6d62ec1c001b972dfaacc02420a5dbbd7c843290728d54f4ad2e4e4", "private_audit_sha256": "0d1a1734890992f747518ed734491151414dff3117342330f24c77ac99105332", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/ms/fish-audio-transcribe-1-pro/", "description": "Transcribe 1 Pro menukarkan rakaman sehingga 60 minit kepada teks dengan penanda penutur dan pemasaan peringkat perkataan pilihan. Ia mengekalkan petunjuk emosi yang diinferenskan dan peristiwa vokal, menjadikan temu bual, mesyuarat dan podcast lebih mudah disemak, dicari atau disediakan untuk kapsyen.", "locale": "ms", "md_url": "https://ailoot.ai/models/ms/fish-audio-transcribe-1-pro/index.md", "title": "Fish Audio: Transcribe 1 Pro — Ailoot", "url": "https://ailoot.ai/models/ms/fish-audio-transcribe-1-pro/" }, "rawModel": { "about": "Transcribe 1 Pro ialah model pertuturan-ke-teks Fish Audio untuk klip pendek, perbualan berbilang penutur dan rakaman panjang. Ia menerima audio rakaman dan mengembalikan transkrip, dengan pemasaan pilihan serta giliran penutur berstruktur. Ciri yang membezakannya ialah perubahan penutur ditandakan dalam teks dan petunjuk tentang emosi atau peristiwa vokal, yang mengekalkan lebih banyak struktur perbualan rakaman berbanding urutan perkataan biasa.\n\nUntuk temu bual, mesyuarat atau podcast, simpan seluruh perbualan dalam satu fail supaya penutur yang muncul semula dapat mengekalkan label konsisten dalam respons. Artifak semakan berguna ialah transkrip yang dipautkan kepada rakaman asal, dengan giliran dipaparkan berasingan dan cap masa tersedia untuk menyemak petikan. Ringkasan atau senarai tindakan ialah langkah aplikasi berikutnya: asingkannya daripada transkrip supaya sumber pertuturan kekal tersedia untuk perbandingan.\n\nPengeluar menerima rakaman sehingga 60 minit dan menerangkan pemprosesan fail panjang dengan audio dimampatkan seperti MP3, Opus atau AAC. Format yang disokong merangkumi WAV, MP3, AAC dalam M4A atau MP4, FLAC, Ogg dengan Opus atau Vorbis, WebM/Matroska dan MOV. Untuk fail video, ia menggunakan trek audio pertama. AIFF, CAF, WMA, AMR, AC-3 dan PCM mentah tanpa pengepala tidak disokong. Satu fail audio dibekalkan bagi setiap permintaan; hasil diterima selepas seluruh rakaman selesai ditranskripsikan, dan rakaman panjang boleh mengambil beberapa minit. Klip lebih pendek daripada kira-kira 0.08 saat ditolak.\n\nRespons pengeluar mengandungi teks penuh, tempoh rakaman dalam saat dan tatasusunan segments. Pro menandakan perubahan penutur dalam teks dengan label seperti <|speaker:0|> dan <|speaker:1|>; label terpakai kepada teks berikutnya sehingga penanda seterusnya. Ini pengecam dalam satu respons, bukan nama atau identiti yang disahkan dan boleh dipadankan merentas permintaan. Jika transkrip tiada penanda penutur, panduan menganggapnya hasil penutur tunggal. Simpan sebarang teks sebelum penanda pertama bersama giliran pertama, bukannya membuangnya.\n\nCap masa peringkat perkataan bersifat pilihan. Dalam permintaan pengeluar, ignore_timestamps bernilai lalai true; menetapkannya kepada false meminta segments dengan text, start dan end dalam saat. Segmen biasanya satu perkataan, atau satu aksara atau beberapa aksara dalam bahasa Cina dan Jepun. Teks segmen tidak menyertakan tanda baca, penanda penutur dan petunjuk peristiwa serta boleh menormalkan nilai yang disebut secara berbeza daripada transkrip penuh. Segmen perkataan boleh mempunyai masa mula dan tamat yang sama. Tatasusunan segments kosong boleh bermakna cap masa tidak diminta, tiada pertuturan ditemui atau pemasaan tidak tersedia buat sementara waktu. Gunakan transkrip penuh untuk ungkapan yang boleh dibaca dan segments untuk penjajaran, bukannya menganggap kedua-dua rentetan sepadan aksara demi aksara.\n\nTetapan diarize bernilai lalai auto. Apabila cap masa diminta dan diarize bukan false, Pro turut mengembalikan speaker_turns. Setiap giliran mengandungi label penutur, teks serta masa mula/tamat, sambil mengekalkan tanda baca dan petunjuk yang dikekalkan tanpa penanda penutur dalam teks. Jika pemasaan perkataan tidak tersedia, masa giliran boleh berupa anggaran dan meliputi seluruh rakaman; giliran bersebelahan tidak semestinya bersambung atau bebas pertindihan. Menyahdayakan diarize membuang senarai giliran berstruktur tetapi mengekalkan penanda penutur dalam teks penuh. Bilangan penutur yang diketahui, atau bilangan minimum dan maksimum, boleh membimbing diarisasi rakaman lebih panjang atas dasar usaha terbaik. Bilangan tepat tidak boleh digabungkan dengan batas bilangan, dan petunjuk bilangan tidak boleh digunakan apabila diarize dinyahdayakan.\n\nPetunjuk emosi dan peristiwa vokal muncul sebagai teks dalam kurungan siku, contohnya [laughter], bersama pertuturan yang dikenal pasti. Itu inferens daripada audio, bukan perkataan yang perlu ditambah pengguna sebelum transkripsi. Tetapan tag_audio_events Pro bernilai lalai true; penyahdayaannya membuang petunjuk ini daripada transkrip dan teks giliran tanpa mengubah pemasaan. Tiada medan emosi berasingan atau enumerasi emosi tetap. Simpan transkrip beranotasi apabila bunyi sesuatu ucapan penting dan gunakan versi tanpa petunjuk apabila artifak hiliran hanya memerlukan perkataan yang disebut.\n\nBahasa dikesan secara automatik. Petunjuk ISO 639-1 huruf kecil pilihan tidak memaksa terjemahan atau mengubah transkrip Pro. Jika bahasa tidak dapat ditentukan, kod bahasa yang dikembalikan boleh mencerminkan petunjuk tanpa mengesahkannya berdasarkan audio. Pengeluar melaporkan satu bahasa, bukannya inventori setiap bahasa dalam rakaman bercampur bahasa. Simpan ungkapan asal dan metadata bahasa bersama-sama ketika menyediakan arkib boleh carian, khususnya apabila bahagian perbualan bertukar bahasa.\n\nUntuk kapsyen, kumpulkan perkataan bermasa berturutan menjadi cue SRT atau WebVTT yang boleh dibaca, bukannya menghasilkan satu kapsyen bagi setiap perkataan. Pisahkan cue sekitar jeda dan pilih panjang serta masa paparannya supaya sesuai dengan pemain dan khalayak. Sempadan giliran penutur boleh memastikan penutur berbeza berada dalam cue berasingan. Periksa hasil pemasaan kosong dan cue yang masa tamatnya mesti selepas masa mula. Pemformatan kapsyen, nama bagi label penutur tanpa nama dan sebarang ringkasan kemudian ialah artifak aplikasi yang dibina daripada hasil transkripsi.\n\nUntuk aliran kerja rakaman praktikal, tentukan sebelum transkripsi sama ada anda memerlukan transkrip biasa yang mudah dibaca, giliran perbualan beranotasi atau kapsyen bermasa. Simpan pengecam audio bersama hasil, kekalkan teks penuh yang dikembalikan apabila tanda baca dan petunjuk penting serta gunakan medan pemasaan berstruktur untuk navigasi. Keupayaan rakaman panjang dan berbilang penutur Pro berbeza daripada model Transcribe 1 umum untuk rakaman pendek; had serta kawalannya tidak patut dianggap boleh saling ditukar ganti.", "alias_of": null, "aliases": [], "author": "Fish Audio", "available": null, "canonical_model": "fish-audio/transcribe-1-pro", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ], "summary": "Maklumat lengkap tentang harga konfigurasi terdapat dalam butiran." } ], "ctx": null, "declared_tariff_references": [ { "client_selectable": false, "key": "aeebfac63d7ddd8619fb", "label": "Fish Audio: Transcribe 1 Pro", "profiles": [ { "basis": "", "dimensions": { "conditions": "Konfigurasi lalai" }, "label": "Fish Audio: Transcribe 1 Pro · Konfigurasi lalai", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_physical_unit", "billing_input": false, "key": "0949942d98ce2e4c35b418d6", "label": "Input audio seconds", "public_unit_label": "per input audio second", "quantity": "1", "rate_role": "declared_tariff_rate", "side": "in", "unit": "input_audio_second" } ] } ] } ], "entity_type": "model", "formats": [ "transcriptions" ], "id": "fish-audio/transcribe-1-pro", "input": [ "audio" ], "kind": "transcription", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Keep the complete JSON, response headers, text and every actual returned usage field. Use actual task/asset identities from the response or owned library; operation_id is not task_id.", "errors": [ { "code": null, "condition": "Medan wajib, perwakilan bahan atau nilai parameter tidak sah", "http_status": 400, "recovery": "Betulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu.", "type": "invalid_request_error" }, { "code": null, "condition": "Respons yang dikembalikan menyatakan bahawa operasi atau hasil memerlukan semakan", "http_status": null, "recovery": "Simpan ID operasi/tugas asal yang dikembalikan, pengepala permintaan dan respons; teruskan pembacaan yang disokong bagi operasi asal tersebut. Jangan hantar semula permintaan penciptaan.", "type": "server_error" } ], "hints": [], "ignored_fields": [], "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "actual returned task_id or media library record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Simpan operation_id/X-Client-Request-ID asal untuk penyelarasan rekod tanpa penghantaran semula; tiada laluan khusus untuk meninjau status audio." }, "limits": { "decoded_audio_max_bytes": 26214400 }, "material_combinations": [ { "content_type": "application/json", "mode": "speech_to_text", "required": [ "input_audio.data", "input_audio.format" ] } ], "media_library": { "asset": { "fields": [ { "description": null, "name": "asset_id", "type": "string" }, { "description": null, "name": "task_id", "type": "string" }, { "description": null, "name": "output_key", "type": "string" }, { "description": null, "name": "family", "type": "string" }, { "description": null, "name": "model", "type": "string" }, { "description": null, "name": "method", "type": "string" }, { "description": null, "name": "status", "type": "string" }, { "description": null, "name": "content_type", "type": "string" }, { "description": null, "name": "sha256", "type": "string" }, { "description": null, "name": "size_bytes", "type": "integer" }, { "description": null, "name": "content_url", "type": "string" } ], "http": "GET", "id_source": "actual returned asset_id", "path": "/v1/media/assets/{asset_id}" }, "content": { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "range_header_supported": true, "url_source": "Use exact returned signed content_url including its token; do not construct a token." }, "expired_link": { "code": "link_expired", "http_status": 404, "recovery": "Read the asset again to obtain its refreshed signed content_url, then fetch that URL. Do not regenerate." }, "list": { "all_pages": "Follow every returned next_cursor, then select records by their actual task_id/output_key.", "http": "GET", "output_fields": [ { "description": null, "name": "object", "type": "string" }, { "description": null, "name": "data", "type": "asset[]" }, { "description": null, "name": "next_cursor", "type": "string|null" } ], "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "family", "required": false, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "cursor", "required": false, "type": "string" }, { "availability": "source_interface", "default": 20, "default_known": true, "enum": null, "enum_known": false, "maximum": 100, "minimum": 1, "name": "limit", "required": false, "type": "integer" } ], "path": "/v1/media/assets" }, "revoke": { "http": "DELETE", "meaning": "Revokes/deletes the existing owned file; this is not generation cancellation.", "path": "/v1/media/assets/{asset_id}", "pending_status": "revoking", "success_statuses": [ 202, 204 ] }, "task": { "http": "GET", "id_source": "actual returned task_id or media library record; operation_id is not task_id", "path": "/v1/media/tasks/{task_id}" } }, "operation_modes": [ "speech_to_text" ], "outputs": { "all_results": "Simpan JSON lengkap, pengepala respons, teks dan setiap medan penggunaan sebenar yang dikembalikan. Gunakan identiti tugas/aset sebenar daripada respons atau pustaka milik anda; operation_id bukan task_id.", "family": "transcription", "fields": [ { "description": "Teks yang ditranskripsikan.", "name": "text", "required": true, "required_known": true, "type": "string" }, { "description": "Penggunaan audio.", "name": "usage", "required": true, "required_known": true, "type": "object" }, { "description": "Tempoh audio dalam saat.", "name": "usage.seconds", "required": true, "required_known": true, "type": "number" }, { "description": "Tempoh audio dalam saat.", "name": "duration", "required": true, "required_known": true, "type": "number" }, { "description": "ID tugas transkrip; dikembalikan bersama asset_url apabila transkrip yang tidak kosong disimpan, diterbitkan dan diberikan URL kandungan bertandatangan.", "name": "task_id", "required": false, "required_known": true, "type": "string" }, { "description": "URL kandungan transkrip bertandatangan; dikembalikan bersama task_id apabila transkrip yang tidak kosong disimpan, diterbitkan dan diberikan URL kandungan bertandatangan.", "name": "asset_url", "required": false, "required_known": true, "type": "string" } ], "format": "json" }, "parameters": [ { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "fish-audio/transcribe-1-pro" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": null, "enum_known": false, "exact_keys": [ "data", "format" ], "name": "input_audio", "required": true, "type": "object" }, { "availability": "source_interface", "decoded_maximum_bytes": 26214400, "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.data", "required": true, "strict_base64": true, "type": "base64_string" }, { "availability": "source_interface", "conditions": "Mesti sama dengan format sebenar yang dikenal pasti melalui pemeriksaan fail", "default": null, "default_known": false, "enum": null, "enum_known": false, "name": "input_audio.format", "required": true, "type": "string" }, { "availability": "source_interface", "default": null, "default_known": false, "enum": [ "json" ], "enum_known": true, "name": "response_format", "required": false, "type": "string" } ], "profile_binding": "Exact existing Ailoot model and method; interface constraints below do not assert provider qualification.", "unsupported": [ "multipart input on this exact profile", "fields outside model/input_audio/response_format", "non-json response format" ] }, "hints": [ "Simpan respons lengkap dan ID asal yang dikembalikan.", "Jangan sekali-kali hantar semula penciptaan yang tidak diketahui hasilnya." ], "input": { "additional_properties": false, "content_type": "application/json", "material_types": [ "audio" ], "max_audio_bytes": 26214400, "multipart_for_this_profile": false, "parameters": [ { "enum": [ "fish-audio/transcribe-1-pro" ], "name": "model", "required": true, "type": "string" }, { "data": "base64 ketat bagi bait audio sebenar yang disokong", "exact_keys": [ "data", "format" ], "format": "format fail tepat yang dikenal pasti melalui pemeriksaan; mesti sepadan dengan bait sebenar", "name": "input_audio", "required": true, "type": "object" }, { "enum": [ "json" ], "name": "response_format", "required": false, "type": "string" } ], "required": [ "model", "input_audio" ] }, "lifecycle": { "all_results": "Follow everyactualreturnedoutputandownedasset; no result is discardedbecauseindex0orcontent_urlalreadyexists.", "assets": [ { "http": "GET", "path": "/v1/media/assets" }, { "http": "GET", "path": "/v1/media/assets/{asset_id}" } ], "content": [ { "http": "GET", "path": "/v1/media/assets/{asset_id}/content", "url_source": "exact returned signed URL; never construct token" } ], "mode": "synchronous_result_then_owned_library", "operation_id_is_not_task_id": true, "status": [ { "http": "GET", "id_source": "task_id sebenar yang dikembalikan atau rekod pustaka media", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain original operation_id/X-Client-Request-ID for reconciliation without resubmission; no dedicated audio poll route." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "method_aliases": [], "operation_modes": [ "speech_to_text" ], "output": { "family": "text", "type": "JSON transcript with text and usage; actual owned transcript flow" } }, "ctx": null, "declared_pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set your actual audio file}\"\n: \"${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}\"\nexport AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{\"model\": \"fish-audio/transcribe-1-pro\", \"response_format\": \"json\"}')\nimport base64\nf=Path(os.environ['AILOOT_AUDIO_FILE'])\nraw=f.read_bytes()\nif not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB')\nfmt=os.environ['AILOOT_AUDIO_FORMAT'].strip()\nif not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes')\np['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt}\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False))\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 result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\n", "label": "curl · actual audio bytes and probed format", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "Keep the complete response and the original returned IDs.", "Never resubmit an unknown creation." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Распознавание речи", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "out": null, "output": [ "text" ], "path": "/v1/audio/transcriptions", "price_conditions": [ { "label": "Fast mode", "value": "Not specified", "when": "When fast mode is selected" }, { "label": "Flex mode", "value": "Not specified", "when": "When flex mode is selected" }, { "label": "Maximum reasoning effort", "value": "Not specified", "when": "When maximum reasoning effort uses the default adjustment" } ], "pricing": { "billing_mode": "per_request", "image_input_price": null, "image_output_price": null, "per_request_price": null, "unit_prices": { "audio_input_second": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "fish-audio/transcribe-1-pro", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}", "GET /v1/media/assets/{asset_id}/content" ], "tiers": [], "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" }, { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "model_aliases": [ { "canonical_model_id": "fish-audio/transcribe-1-pro", "request_model_id": "fish-audio/transcribe-1-pro", "route_label": "Ultra" } ], "name": "Fish Audio: Transcribe 1 Pro", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Ultra", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_declared_unit", "conditions": {}, "key": "prompt", "label": "prompt", "quantity": "1", "rate_role": "typed_active_maker_rate", "side": "in", "unit": "input_audio_second" } ] } ], "public_id": "fish-audio/transcribe-1-pro", "short": "Transcribe 1 Pro menukarkan rakaman sehingga 60 minit kepada teks dengan penanda penutur dan pemasaan peringkat perkataan pilihan. Ia mengekalkan petunjuk emosi yang diinferenskan dan peristiwa vokal, menjadikan temu bual, mesyuarat dan podcast lebih mudah disemak, dicari atau disediakan untuk kapsyen." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Transcribe 1 Pro menukarkan rakaman sehingga 60 minit kepada teks dengan penanda penutur dan pemasaan peringkat perkataan pilihan. Ia mengekalkan petunjuk emosi yang diinferenskan dan peristiwa vokal, menjadikan temu bual, mesyuarat dan podcast lebih mudah disemak, dicari atau disediakan untuk kapsyen.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "8cfa36572a1ad26684e086ead299bcc0d5bb1c5009e161dabeffc4074d4bb03d", "renderer_sha256": "1dab5ba62521e9568c8b7c82005622cabbf330a075df7cce1f83274a04009460" }, "sourceRevision": "ab89a40f70b6d214e43cc6c708318945fb8860f3102b8feff848897951ed8e82" }