Fish Audio: Transcribe 1
Transcribe 1 menukar rakaman audio pendek kepada teks dengan pengesanan bahasa automatik dan cap masa peringkat perkataan secara pilihan. Gunakan transkrip untuk nota suara, klip yang boleh dicari atau penyediaan sari kata, sambil memisahkan segmen bermasa daripada teks penuh yang boleh dibaca.
Tentang model
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Transcribe 1 ialah model pertuturan kepada teks umum Fish Audio untuk rakaman pendek. Ia menerima fail audio dan mengembalikan perkataan yang dikenal pasti sebagai teks, berserta tempoh rakaman, segmen bermasa secara pilihan dan maklumat bahasa jika diketahui. Model ini berguna untuk nota suara pendek, arahan lisan, petikan rakaman atau klip audio yang memerlukan perwakilan teks yang boleh dibaca.
Contoh aliran kerja nota suara menyimpan rakaman bersama transkrip penuhnya dan pengecam klip asal. Langkah aplikasi kemudian boleh mencari teks itu, menyusun nota atau membina ringkasan sambil mengekalkan sumber pertuturan. Untuk arahan, transkrip membekalkan perkataan yang dikenal pasti kepada aplikasi; sebarang tindakan ialah langkah pentafsiran dan pelaksanaan yang berasingan. Untuk petikan temu bual, rekodkan kedudukan klip dalam audio lengkap supaya petikan kata-kata boleh disemak pada lokasi yang betul.
Pengeluar menerima WAV, MP3, AAC termasuk M4A/MP4, FLAC dan Ogg yang mengandungi Opus atau Vorbis. Rakaman pelayar dalam WebM perlu ditukar kepada Ogg/Opus, MP3 atau WAV untuk model ini; Pro mendokumenkan sokongan natif untuk bekas tambahan. Bekalkan satu fail audio bagi setiap permintaan. Peruntukan permintaan model asas yang didokumenkan ialah sehingga 50 MiB, dengan fail MP3 dan Opus dikekalkan di bawah 25 MiB. Saiz fail dan panjang rakaman ialah pertimbangan berbeza: fail termampat boleh muat dalam peruntukan muat naik tetapi masih mengambil masa terlalu lama untuk diproses.
Transcribe 1 direka untuk rakaman pendek. Pengeluar mengesyorkan Pro untuk audio yang melebihi beberapa minit; permintaan panjang kepada model asas boleh gagal jika melebihi had masa pemprosesan. Apabila menyediakan sumber lebih panjang untuk transkripsi klip pendek, kekalkan ofset permulaan setiap klip dan pastikan transkrip yang dikembalikan meliputi seluruh klip sebelum menggabungkan hasil. Tambahkan ofset asal pada masa segmen setempat supaya navigasi kekal terhubung dengan rakaman penuh. Panduan model asas tidak patut ditafsirkan sebagai peruntukan 60 minit Pro yang berasingan.
Respons pengeluar merangkumi text, duration dan segments. Tempoh dinyatakan dalam saat, dan transkrip penuh yang boleh dibaca patut dikekalkan sebagai susunan kata utama klip. Cap masa adalah pilihan: ignore_timestamps mempunyai nilai lalai true dalam API pengeluar, manakala false meminta segmen peringkat perkataan dengan text, masa start dan end dalam saat. Permintaan penjajaran menambah masa pemprosesan. Tatasusunan segments yang kosong boleh mencerminkan pemasaan yang dilangkau, ketiadaan pertuturan atau penjajaran yang tidak tersedia buat sementara, jadi ia tidak patut ditafsirkan secara automatik sebagai transkrip penuh yang kosong.
Segmen biasanya berupa perkataan, atau satu atau beberapa aksara dalam bahasa Cina dan Jepun. Teksnya tidak menyertakan tanda baca dan boleh menormalkan nilai secara berbeza daripada transkrip penuh; ia bukan salinan respons yang boleh dibaca secara aksara demi aksara. Sesuatu segmen boleh mempunyai masa start dan end yang sama. Gunakan segmen untuk mencari kedudukan dalam rakaman atau menyediakan paparan bermasa, dan gunakan teks penuh apabila susunan kata dan tanda baca penting. Kekalkan kedua-dua perwakilan itu secara berasingan dalam artifak yang dihasilkan.
Bahasa dikesan secara automatik, sama ada petunjuk bahasa pilihan diberikan atau tidak. Pengeluar mendokumenkan kod ISO 639-1 huruf kecil untuk petunjuk dan mengembalikan kod bahasa untuk logik aplikasi bersama nama bahasa untuk paparan jika diketahui. Respons melaporkan satu bahasa, bukannya setiap bahasa dalam rakaman yang bertukar-tukar bahasa. Simpan susunan kata sumber dan metadata bahasa yang tersedia bersama hasil, bukannya menganggap permintaan transkripsi sebagai operasi terjemahan.
Untuk aliran kerja sari kata, kumpulkan segmen bermasa yang berturutan menjadi isyarat sari kata yang boleh dibaca, bukannya memaparkan satu perkataan pada satu masa. Output yang berguna ialah fail SRT atau WebVTT yang dipautkan pada klip asal, dengan sempadan isyarat yang sesuai dengan jeda dan jumlah teks pada skrin yang mudah dibaca. Periksa pemasaan yang tiada dan pastikan akhir setiap isyarat selepas permulaannya. Pengumpulan sari kata dan pemformatan fail ialah langkah aplikasi yang dibina daripada penjajaran yang dikembalikan, dan pilihan paparannya patut sesuai dengan pemain serta penonton.
Kawalan Transcribe 1 yang didokumenkan ialah audio, petunjuk bahasa dan pilihan cap masa. Penanda penutur, giliran penutur berstruktur, kawalan peristiwa emosi dan petunjuk bilangan penutur Pro ialah ciri berasingan; ia bukan sebahagian daripada kontrak respons model asas ini yang didokumenkan. Pilih artifak yang diperlukan sebelum pemprosesan: teks biasa yang boleh dibaca untuk nota, atau teks bersama penjajaran untuk navigasi main balik dan sari kata. Mengekalkan pengecam klip, transkrip dan sebarang pemasaan yang tersedia menjadikan hasil itu berguna untuk peringkat aplikasi seterusnya.
Ailoot Ultra · Transkripsi POST /v1/audio/transcriptions fish-audio/transcribe-1
fish-audio/transcribe-1Pengenalan
Transcribe 1 menukar rakaman audio pendek kepada teks dengan pengesanan bahasa automatik dan cap masa peringkat perkataan secara pilihan. Gunakan transkrip untuk nota suara, klip yang boleh dicari atau penyediaan sari kata, sambil memisahkan segmen bermasa daripada teks penuh yang boleh dibaca.
- 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 fish-audio/transcribe-1 | 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 $0.0002 bagi setiap saat audio masukan |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Contoh permintaan
Ailoot Ultra · Transkripsi
set -eu
: "${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': 'fish-audio/transcribe-1', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.
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 fish-audio/transcribe-1
Alias laluan kaedah
Gunakan laluan kaedah yang dipaparkan di atas.
ID pemanggil berkaitan
FAQ · Fish Audio: Transcribe 1
- Apakah input dan hasil yang tersedia?
POST /v1/audio/transcriptions·fish-audio/transcribe-1:audio→text- Apakah medan yang digunakan oleh permintaan?
POST /v1/audio/transcriptions·fish-audio/transcribe-1:model,input_audio