{ "aboutHtml": "

ElevenLabs Scribe v2 er modellen for satsvis talegjenkjenning av innspilt lyd, transkripsjon og teksting. Den bygger videre på Scribe v1 med forbedret håndtering av lange opptak, pauser, endringer i tonefall og lengre stillhet. Resultatet er skriftlig gjengitt tale med tidsinformasjon og valgfrie annotasjoner for talere og lydhendelser. Scribe v2 Realtime er en separat utgave for direktetranskripsjon; denne modellens formål er å behandle komplette opptak.

Produsenten dokumenterer gjenkjenning på mer enn 90 språk og automatisk språkgjenkjenning, inkludert opptak der språket skifter. Et hint om et kjent språk kan hjelpe modellen med å tolke lyden. Forbered et tydelig opptak, behold originalspråket og navnene, og unngå kraftig klipping av lydsignalet eller unødvendig behandling som fjerner detaljer i talen. Vanlige dokumenterte inndataformater omfatter WAV, MP3, FLAC, M4A, AAC, OGG, Opus og WebM. Velg en inndatarepresentasjon som støttes av transkripsjonsimplementeringen, og behold kildeopptaket for gjennomgang.

Standardsvaret inneholder den gjenkjente teksten, informasjon om gjenkjent språk og en sekvens av ord med tidsangivelser. Ordregistreringene kan inneholde start- og sluttider, taleridentifikatorer og en logaritmisk sannsynlighet for gjenkjenningen. Dette gjør resultatet nyttig for undertekster, søkbare intervjuer eller en redigerer som hopper tilbake til den relevante lyden. Behold resultatet med tidsangivelser sammen med kildelyden. For en podkast kan leveransen for eksempel være en redigerbar transkripsjon og en ordjustert registrering som gjør det mulig å finne rettelser før undertekstene settes opp.

Talerdiarisering merker hvem som snakker når i lyd med flere talere, med opptil 32 talere dokumentert av produsenten. Aktiver den når talerskifter er viktige, og oppgi et rimelig antall talere hvis denne informasjonen er kjent. Skill mellom en gjenkjent taleretikett og navnet på en verifisert person. For et intervju eller møte kontrollerer du talerskifter mot opptaket, særlig der stemmer overlapper eller høres like ut. En etikett hjelper med å organisere transkripsjonen; den fastslår ikke talerens identitet på egen hånd.

Et opptak med én taler per kanal har en annen struktur enn flere stemmer blandet i én kanal. Produsentens grensesnitt kan behandle opptil fem kanaler uavhengig og returnere separate transkripsjoner eller en samlet transkripsjon ordnet etter tid, med kanalindekser. Behold dette kanaloppsettet når det er relevant. Å slå sammen et samtaleopptak med separate kanaler før transkripsjon kan fjerne en nyttig kilde til talerinformasjon. Hold kanalbasert tilordning atskilt fra diarisering som er utledet fra blandet lyd. Svaret for kombinerte kanaler krever tidsstempler og kan ikke inneholde entitetsgjenkjenning eller maskering.

Styring med nøkkeltermer veileder gjenkjenningen av navn, produktbegreper og fagterminologi ved hjelp av kontekst. Den gjeldende dokumentasjonen for satsvis transkripsjon tillater opptil 1 000 termer, hver på under 50 tegn og høyst fem ord. Oppgi relevante stavemåter fremfor en bred katalog uten tilknytning til oppgaven. For et teknisk intervju oppgir du produktnavnene og forkortelsene som sannsynligvis forekommer, og kontrollerer dem deretter ved tidsstemplene i resultatet. Nøkkeltermer påvirker gjenkjenningen; de er ikke instruksjoner om å sette inn en term når opptaket ikke gir grunnlag for den.

Velg transkripsjonens formål før du rydder i språket. En ordrett registrering beholder den muntlige ordlyden, mens det dokumenterte alternativet no-verbatim fjerner fyllord, avbrutte formuleringer og taleflytbrudd for et mer lesbart resultat. Dynamisk lydmerking kan identifisere hendelser uten tale, som latter eller fottrinn. En bearbeidet transkripsjon kan være nyttig for undertekster eller lesing, men den bør ikke stilltiende erstatte råregistreringen når gjentakelser, rettelser eller lyder uten tale er viktige for oppgaven.

Produsenten dokumenterer også entitetsgjenkjenning og eksperimentell redigering av transkripsjoner. Redigering av transkripsjoner kan ikke kombineres med entitetsgjenkjenning, entitetsmaskering eller flerkanalstranskripsjon i produsentens grensesnitt. Gjenkjente entiteter gir strukturerte posisjoner for utvalgt informasjon i transkripsjonen. Valgfri entitetsmaskering maskerer gjenkjent tekst med erstatningsetiketter; den avhenger av entitetsgjenkjenning, og entitetslisten returneres ikke når maskering er aktivert. Maskeringen skjer under transkripsjonen og bruker en generell erstatningsmarkør, en kategorietikett eller en nummerert kategorietikett. Automatisk maskering kan overse følsomt innhold, så gjennomgå den maskerte transkripsjonen før du deler den. En redigering med instruksjoner i naturlig språk returnerer en redigert tekst ved siden av originalresultatet, slik at den opprinnelige registreringen av tider og talere fortsatt er tilgjengelig. Hold disse resultatene atskilt: en korrigert stavemåte eller en omformatert setning kan trenge en ny kontroll før den justeres mot lyden eller brukes i et etterfølgende uttrekk. Disse funksjonene behandler transkripsjonen; de fastslår ikke at alle viktige detaljer ble gjenkjent riktig.

For en ferdig transkripsjon kontrollerer du navn, tall, negasjoner og talerskifter ved å gå tilbake til den tilhørende lyden. Vær oppmerksom på stille partier, overlapp og språkskifter fremfor å vurdere kvaliteten bare ut fra flytende tekst. Behold usikker ordlyd for retting i stedet for å fullføre et uhørbart avsnitt med en plausibel setning. Det nyttige resultatet er en kontrollert tekstregistrering med tids- og talerinformasjonen som trengs for den tiltenkte bruken; en transkripsjon kan deretter bli inndata til et separat trinn for oppsummering, oversettelse eller analyse.

", "aboutText": "ElevenLabs Scribe v2 er modellen for satsvis talegjenkjenning av innspilt lyd, transkripsjon og teksting. Den bygger videre på Scribe v1 med forbedret håndtering av lange opptak, pauser, endringer i tonefall og lengre stillhet. Resultatet er skriftlig gjengitt tale med tidsinformasjon og valgfrie annotasjoner for talere og lydhendelser. Scribe v2 Realtime er en separat utgave for direktetranskripsjon; denne modellens formål er å behandle komplette opptak.\n\nProdusenten dokumenterer gjenkjenning på mer enn 90 språk og automatisk språkgjenkjenning, inkludert opptak der språket skifter. Et hint om et kjent språk kan hjelpe modellen med å tolke lyden. Forbered et tydelig opptak, behold originalspråket og navnene, og unngå kraftig klipping av lydsignalet eller unødvendig behandling som fjerner detaljer i talen. Vanlige dokumenterte inndataformater omfatter WAV, MP3, FLAC, M4A, AAC, OGG, Opus og WebM. Velg en inndatarepresentasjon som støttes av transkripsjonsimplementeringen, og behold kildeopptaket for gjennomgang.\n\nStandardsvaret inneholder den gjenkjente teksten, informasjon om gjenkjent språk og en sekvens av ord med tidsangivelser. Ordregistreringene kan inneholde start- og sluttider, taleridentifikatorer og en logaritmisk sannsynlighet for gjenkjenningen. Dette gjør resultatet nyttig for undertekster, søkbare intervjuer eller en redigerer som hopper tilbake til den relevante lyden. Behold resultatet med tidsangivelser sammen med kildelyden. For en podkast kan leveransen for eksempel være en redigerbar transkripsjon og en ordjustert registrering som gjør det mulig å finne rettelser før undertekstene settes opp.\n\nTalerdiarisering merker hvem som snakker når i lyd med flere talere, med opptil 32 talere dokumentert av produsenten. Aktiver den når talerskifter er viktige, og oppgi et rimelig antall talere hvis denne informasjonen er kjent. Skill mellom en gjenkjent taleretikett og navnet på en verifisert person. For et intervju eller møte kontrollerer du talerskifter mot opptaket, særlig der stemmer overlapper eller høres like ut. En etikett hjelper med å organisere transkripsjonen; den fastslår ikke talerens identitet på egen hånd.\n\nEt opptak med én taler per kanal har en annen struktur enn flere stemmer blandet i én kanal. Produsentens grensesnitt kan behandle opptil fem kanaler uavhengig og returnere separate transkripsjoner eller en samlet transkripsjon ordnet etter tid, med kanalindekser. Behold dette kanaloppsettet når det er relevant. Å slå sammen et samtaleopptak med separate kanaler før transkripsjon kan fjerne en nyttig kilde til talerinformasjon. Hold kanalbasert tilordning atskilt fra diarisering som er utledet fra blandet lyd. Svaret for kombinerte kanaler krever tidsstempler og kan ikke inneholde entitetsgjenkjenning eller maskering.\n\nStyring med nøkkeltermer veileder gjenkjenningen av navn, produktbegreper og fagterminologi ved hjelp av kontekst. Den gjeldende dokumentasjonen for satsvis transkripsjon tillater opptil 1 000 termer, hver på under 50 tegn og høyst fem ord. Oppgi relevante stavemåter fremfor en bred katalog uten tilknytning til oppgaven. For et teknisk intervju oppgir du produktnavnene og forkortelsene som sannsynligvis forekommer, og kontrollerer dem deretter ved tidsstemplene i resultatet. Nøkkeltermer påvirker gjenkjenningen; de er ikke instruksjoner om å sette inn en term når opptaket ikke gir grunnlag for den.\n\nVelg transkripsjonens formål før du rydder i språket. En ordrett registrering beholder den muntlige ordlyden, mens det dokumenterte alternativet no-verbatim fjerner fyllord, avbrutte formuleringer og taleflytbrudd for et mer lesbart resultat. Dynamisk lydmerking kan identifisere hendelser uten tale, som latter eller fottrinn. En bearbeidet transkripsjon kan være nyttig for undertekster eller lesing, men den bør ikke stilltiende erstatte råregistreringen når gjentakelser, rettelser eller lyder uten tale er viktige for oppgaven.\n\nProdusenten dokumenterer også entitetsgjenkjenning og eksperimentell redigering av transkripsjoner. Redigering av transkripsjoner kan ikke kombineres med entitetsgjenkjenning, entitetsmaskering eller flerkanalstranskripsjon i produsentens grensesnitt. Gjenkjente entiteter gir strukturerte posisjoner for utvalgt informasjon i transkripsjonen. Valgfri entitetsmaskering maskerer gjenkjent tekst med erstatningsetiketter; den avhenger av entitetsgjenkjenning, og entitetslisten returneres ikke når maskering er aktivert. Maskeringen skjer under transkripsjonen og bruker en generell erstatningsmarkør, en kategorietikett eller en nummerert kategorietikett. Automatisk maskering kan overse følsomt innhold, så gjennomgå den maskerte transkripsjonen før du deler den. En redigering med instruksjoner i naturlig språk returnerer en redigert tekst ved siden av originalresultatet, slik at den opprinnelige registreringen av tider og talere fortsatt er tilgjengelig. Hold disse resultatene atskilt: en korrigert stavemåte eller en omformatert setning kan trenge en ny kontroll før den justeres mot lyden eller brukes i et etterfølgende uttrekk. Disse funksjonene behandler transkripsjonen; de fastslår ikke at alle viktige detaljer ble gjenkjent riktig.\n\nFor en ferdig transkripsjon kontrollerer du navn, tall, negasjoner og talerskifter ved å gå tilbake til den tilhørende lyden. Vær oppmerksom på stille partier, overlapp og språkskifter fremfor å vurdere kvaliteten bare ut fra flytende tekst. Behold usikker ordlyd for retting i stedet for å fullføre et uhørbart avsnitt med en plausibel setning. Det nyttige resultatet er en kontrollert tekstregistrering med tids- og talerinformasjonen som trengs for den tiltenkte bruken; en transkripsjon kan deretter bli inndata til et separat trinn for oppsummering, oversettelse eller analyse.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ef2e12467650fe42aafbd0e46fca9420b8515cd9c75579f99ab67731a5a9c92b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "
•

ElevenLabs: Scribe v2

ElevenLabs /elevenlabs/scribe-v2

Start

ElevenLabs Scribe v2 transkriberer innspilt lyd på 90+ språk, med tidsangivelser på ordnivå, valgfri talerdiarisering og etiketter for hendelser uten tale. Den er laget for lange opptak, undertekster og redigerbare transkripsjoner, med kontekstuelle nøkkeltermer og valg mellom ordrett og språklig ryddet transkripsjon.

Godkjente inndata
Lyd
Resultater
Tekst
Om modellen

Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.

ElevenLabs Scribe v2 er modellen for satsvis talegjenkjenning av innspilt lyd, transkripsjon og teksting. Den bygger videre på Scribe v1 med forbedret håndtering av lange opptak, pauser, endringer i tonefall og lengre stillhet. Resultatet er skriftlig gjengitt tale med tidsinformasjon og valgfrie annotasjoner for talere og lydhendelser. Scribe v2 Realtime er en separat utgave for direktetranskripsjon; denne modellens formål er å behandle komplette opptak.

Produsenten dokumenterer gjenkjenning på mer enn 90 språk og automatisk språkgjenkjenning, inkludert opptak der språket skifter. Et hint om et kjent språk kan hjelpe modellen med å tolke lyden. Forbered et tydelig opptak, behold originalspråket og navnene, og unngå kraftig klipping av lydsignalet eller unødvendig behandling som fjerner detaljer i talen. Vanlige dokumenterte inndataformater omfatter WAV, MP3, FLAC, M4A, AAC, OGG, Opus og WebM. Velg en inndatarepresentasjon som støttes av transkripsjonsimplementeringen, og behold kildeopptaket for gjennomgang.

Standardsvaret inneholder den gjenkjente teksten, informasjon om gjenkjent språk og en sekvens av ord med tidsangivelser. Ordregistreringene kan inneholde start- og sluttider, taleridentifikatorer og en logaritmisk sannsynlighet for gjenkjenningen. Dette gjør resultatet nyttig for undertekster, søkbare intervjuer eller en redigerer som hopper tilbake til den relevante lyden. Behold resultatet med tidsangivelser sammen med kildelyden. For en podkast kan leveransen for eksempel være en redigerbar transkripsjon og en ordjustert registrering som gjør det mulig å finne rettelser før undertekstene settes opp.

Talerdiarisering merker hvem som snakker når i lyd med flere talere, med opptil 32 talere dokumentert av produsenten. Aktiver den når talerskifter er viktige, og oppgi et rimelig antall talere hvis denne informasjonen er kjent. Skill mellom en gjenkjent taleretikett og navnet på en verifisert person. For et intervju eller møte kontrollerer du talerskifter mot opptaket, særlig der stemmer overlapper eller høres like ut. En etikett hjelper med å organisere transkripsjonen; den fastslår ikke talerens identitet på egen hånd.

Et opptak med én taler per kanal har en annen struktur enn flere stemmer blandet i én kanal. Produsentens grensesnitt kan behandle opptil fem kanaler uavhengig og returnere separate transkripsjoner eller en samlet transkripsjon ordnet etter tid, med kanalindekser. Behold dette kanaloppsettet når det er relevant. Å slå sammen et samtaleopptak med separate kanaler før transkripsjon kan fjerne en nyttig kilde til talerinformasjon. Hold kanalbasert tilordning atskilt fra diarisering som er utledet fra blandet lyd. Svaret for kombinerte kanaler krever tidsstempler og kan ikke inneholde entitetsgjenkjenning eller maskering.

Styring med nøkkeltermer veileder gjenkjenningen av navn, produktbegreper og fagterminologi ved hjelp av kontekst. Den gjeldende dokumentasjonen for satsvis transkripsjon tillater opptil 1 000 termer, hver på under 50 tegn og høyst fem ord. Oppgi relevante stavemåter fremfor en bred katalog uten tilknytning til oppgaven. For et teknisk intervju oppgir du produktnavnene og forkortelsene som sannsynligvis forekommer, og kontrollerer dem deretter ved tidsstemplene i resultatet. Nøkkeltermer påvirker gjenkjenningen; de er ikke instruksjoner om å sette inn en term når opptaket ikke gir grunnlag for den.

Velg transkripsjonens formål før du rydder i språket. En ordrett registrering beholder den muntlige ordlyden, mens det dokumenterte alternativet no-verbatim fjerner fyllord, avbrutte formuleringer og taleflytbrudd for et mer lesbart resultat. Dynamisk lydmerking kan identifisere hendelser uten tale, som latter eller fottrinn. En bearbeidet transkripsjon kan være nyttig for undertekster eller lesing, men den bør ikke stilltiende erstatte råregistreringen når gjentakelser, rettelser eller lyder uten tale er viktige for oppgaven.

Produsenten dokumenterer også entitetsgjenkjenning og eksperimentell redigering av transkripsjoner. Redigering av transkripsjoner kan ikke kombineres med entitetsgjenkjenning, entitetsmaskering eller flerkanalstranskripsjon i produsentens grensesnitt. Gjenkjente entiteter gir strukturerte posisjoner for utvalgt informasjon i transkripsjonen. Valgfri entitetsmaskering maskerer gjenkjent tekst med erstatningsetiketter; den avhenger av entitetsgjenkjenning, og entitetslisten returneres ikke når maskering er aktivert. Maskeringen skjer under transkripsjonen og bruker en generell erstatningsmarkør, en kategorietikett eller en nummerert kategorietikett. Automatisk maskering kan overse følsomt innhold, så gjennomgå den maskerte transkripsjonen før du deler den. En redigering med instruksjoner i naturlig språk returnerer en redigert tekst ved siden av originalresultatet, slik at den opprinnelige registreringen av tider og talere fortsatt er tilgjengelig. Hold disse resultatene atskilt: en korrigert stavemåte eller en omformatert setning kan trenge en ny kontroll før den justeres mot lyden eller brukes i et etterfølgende uttrekk. Disse funksjonene behandler transkripsjonen; de fastslår ikke at alle viktige detaljer ble gjenkjent riktig.

For en ferdig transkripsjon kontrollerer du navn, tall, negasjoner og talerskifter ved å gå tilbake til den tilhørende lyden. Vær oppmerksom på stille partier, overlapp og språkskifter fremfor å vurdere kvaliteten bare ut fra flytende tekst. Behold usikker ordlyd for retting i stedet for å fullføre et uhørbart avsnitt med en plausibel setning. Det nyttige resultatet er en kontrollert tekstregistrering med tids- og talerinformasjonen som trengs for den tiltenkte bruken; en transkripsjon kan deretter bli inndata til et separat trinn for oppsummering, oversettelse eller analyse.

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Transkripsjon POST /v1/audio/transcriptions
Inndatatyper
audio
Utdatatyper
text
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
elevenlabs/scribe-v2
Standard—
Feltinput_audioTypeobjectKravPåkrevdVerdier & grenserStandard—
Metodeparametere og livssyklus
ParameterAvtale
Parametercontent_typeAvtaleapplication/json
ParameterrequiredAvtalemodel, input_audio
Parametermaterial_typesAvtaleaudio
Parametermaterial_conditionsAvtaleEksemplet leser den faktiske PCM WAV-filen din, som må ha innhold, koder alle filens byte som base64 og sender input_audio.format som wav.

Livssyklus: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · Eksakt task_id fra en eksisterende medieoppføring du eier

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Priser

Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.

Hurtigmodus
Ikke angitt Når hurtigmodus er valgt
Flex-modus
Ikke angitt Når flex-modus er valgt
Maksimal resonneringsinnsats
Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats

Ailoot-satser

Priser etter konfigurasjon

Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.

KonfigurasjonPrisplanFaktureringsenhetKostnad
KonfigurasjonGrunnpriser for tokenerPrisplanGrunnsatsFaktureringsenhet—Kostnad
Inndata · Inngående tokener — / 1K tokener
Utdata · Utgående tokener — / 1K tokener
Inndata · Lesing fra hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer — / 1K tokener
Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener
Konfigurasjonlydsekund i inndataPrisplan—Faktureringsenhetper sekund inndatalydKostnad
Inndata · lydsekund i inndata $0.0001222222222222 per sekund inndatalyd

Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →

Eksempelforespørsler

Ailoot Ultra · Transkripsjon

set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n    raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n    if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n        raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'elevenlabs/scribe-v2', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n  --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n

Motta og lagre resultater

Ailoot Ultra · Transkripsjon

Hele den opprinnelige svarkroppen, statusen og videresendte svarhoder. Denne behandleren legger ikke til noen universell JSON-struktur, noe tekstfelt eller noen oppgaveinnpakning.

Behold alle ferdige resultater

Behold alle fullstendige returnerte svar, filer og innholdsdeler.

Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.

Hvis det opprinnelige svaret må kontrolleres

Behold den faktiske X-Client-Request-ID og hele svaret. Les de opprinnelige ressursene du eier, og deres eksakte signerte innholdsadresser; send aldri en usikker opprettelse på nytt.

Svarfelter
FeltType
Felttext (when present)Type
Feltusage (when present)Type
Feil og neste trinn
SvarVilkårNeste trinn
Svar400 · invalid_request_errorVilkårJSON-kroppen eller den eksplisitte kanoniske modell-ID-en er ugyldig.Neste trinnBehold svaret og korriger det angitte forespørselsfeltet.
Svar401 · authentication_errorVilkårAiloot API-nøkkelen er ugyldig.Neste trinnBruk den autoriserte Ailoot API-nøkkelen din.
Svar403 · permission_errorVilkårNøkkelgruppen gir ikke tilgang til denne metoden.Neste trinnBehold de returnerte feildetaljene.
Svar404 · not_found_errorVilkårDen valgte metoden har ingen godkjent rute.Neste trinnBehold de returnerte feildetaljene.
Svar422 · price_unavailableVilkårDen godtatte tariffen kan ikke hente den nødvendige inndatamengden eller grensen.Neste trinnBehold svaret; bruk inndatarepresentasjonen som den godtatte tariffen krever.
Svar503 · VilkårNødvendig lagring, rute, metodepris eller reservasjon er utilgjengelig.Neste trinnBehold hele det opprinnelige svaret. En usikker reservasjon gir ikke tillatelse til å sende inn på nytt.
Svar502 · server_errorVilkårDet opprinnelige resultatet, forbruket eller oppgjøret må kontrolleres.Neste trinnBehold den faktiske forespørsels-ID-en og det opprinnelige svaret. Les den eksisterende oppføringen du eier; ikke send opprettelsen på nytt.

Aliaser

Modellaliaser

Ailoot Ultra elevenlabs/scribe-v2

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

elevenlabs/scribe-v2

", "method_identity": { "effective_request_model_id": "elevenlabs/scribe-v2", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "elevenlabs/scribe-v2", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|elevenlabs%2Fscribe-v2", "ordinal": 0, "rawMethod": { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "JSON-kroppen eller den eksplisitte kanoniske modell-ID-en er ugyldig.", "http_status": 400, "recovery": "Behold svaret og korriger det angitte forespørselsfeltet.", "type": "invalid_request_error" }, { "code": null, "condition": "Ailoot API-nøkkelen er ugyldig.", "http_status": 401, "recovery": "Bruk den autoriserte Ailoot API-nøkkelen din.", "type": "authentication_error" }, { "code": null, "condition": "Nøkkelgruppen gir ikke tilgang til denne metoden.", "http_status": 403, "recovery": "Behold de returnerte feildetaljene.", "type": "permission_error" }, { "code": null, "condition": "Den valgte metoden har ingen godkjent rute.", "http_status": 404, "recovery": "Behold de returnerte feildetaljene.", "type": "not_found_error" }, { "code": null, "condition": "Den godtatte tariffen kan ikke hente den nødvendige inndatamengden eller grensen.", "http_status": 422, "recovery": "Behold svaret; bruk inndatarepresentasjonen som den godtatte tariffen krever.", "type": "price_unavailable" }, { "code": null, "condition": "Nødvendig lagring, rute, metodepris eller reservasjon er utilgjengelig.", "http_status": 503, "recovery": "Behold hele det opprinnelige svaret. En usikker reservasjon gir ikke tillatelse til å sende inn på nytt.", "type": null }, { "code": null, "condition": "Det opprinnelige resultatet, forbruket eller oppgjøret må kontrolleres.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "Behold den faktiske forespørsels-ID-en og det opprinnelige svaret. Les den eksisterende oppføringen du eier; ikke send opprettelsen på nytt.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "lifecycle": { "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Behold den faktiske X-Client-Request-ID og hele svaret. Les de opprinnelige ressursene du eier, og deres eksakte signerte innholdsadresser; send aldri en usikker opprettelse på nytt." }, "outputs": { "all_results": "Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Hele den opprinnelige svarkroppen, statusen og videresendte svarhoder. Denne behandleren legger ikke til noen universell JSON-struktur, noe tekstfelt eller noen oppgaveinnpakning." }, "parameters": [ { "default_known": false, "enum": [ "elevenlabs/scribe-v2" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "elevenlabs/scribe-v2" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "elevenlabs/scribe-v2" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Eksemplet leser den faktiske PCM WAV-filen din, som må ha innhold, koder alle filens byte som base64 og sender input_audio.format som wav." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "Eksakt task_id fra en eksisterende medieoppføring du eier", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "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": "0.0001222222222222", "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": "0.0001222222222222", "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 the path to your actual PCM WAV recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'elevenlabs/scribe-v2', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Transkripsjon", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "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": 0.0001222222222222 } }, "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": "0.0001222222222222", "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": "0.0001222222222222", "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": "elevenlabs/scribe-v2", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "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": "0.0001222222222222", "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": "0.0001222222222222", "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": "elevenlabs/scribe-v2", "nativeProvenance": { "input_facts_canonical_sha256": "11b8234ba9c2acd96edcf5136c2611fda7951ec64120e9b64c7d819ce8ae4e59", "input_html_sha256": "c3d67110595bc3699cb8d8137c9023a1162cf367f95f884600de5995329fcbdb", "private_audit_sha256": "5f54a45e8a774adca90bda96c48e53e07e87aa4d191f628ed3e399c14ad0bbf9", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/nb/elevenlabs-scribe-v2/", "description": "ElevenLabs Scribe v2 transkriberer innspilt lyd på 90+ språk, med tidsangivelser på ordnivå, valgfri talerdiarisering og etiketter for hendelser uten tale. Den er laget for lange opptak, undertekster og redigerbare transkripsjoner, med kontekstuelle nøkkeltermer og valg mellom ordrett og språklig ryddet transkripsjon.", "locale": "nb", "md_url": "https://ailoot.ai/models/nb/elevenlabs-scribe-v2/index.md", "title": "ElevenLabs: Scribe v2 — Ailoot", "url": "https://ailoot.ai/models/nb/elevenlabs-scribe-v2/" }, "rawModel": { "about": "ElevenLabs Scribe v2 er modellen for satsvis talegjenkjenning av innspilt lyd, transkripsjon og teksting. Den bygger videre på Scribe v1 med forbedret håndtering av lange opptak, pauser, endringer i tonefall og lengre stillhet. Resultatet er skriftlig gjengitt tale med tidsinformasjon og valgfrie annotasjoner for talere og lydhendelser. Scribe v2 Realtime er en separat utgave for direktetranskripsjon; denne modellens formål er å behandle komplette opptak.\n\nProdusenten dokumenterer gjenkjenning på mer enn 90 språk og automatisk språkgjenkjenning, inkludert opptak der språket skifter. Et hint om et kjent språk kan hjelpe modellen med å tolke lyden. Forbered et tydelig opptak, behold originalspråket og navnene, og unngå kraftig klipping av lydsignalet eller unødvendig behandling som fjerner detaljer i talen. Vanlige dokumenterte inndataformater omfatter WAV, MP3, FLAC, M4A, AAC, OGG, Opus og WebM. Velg en inndatarepresentasjon som støttes av transkripsjonsimplementeringen, og behold kildeopptaket for gjennomgang.\n\nStandardsvaret inneholder den gjenkjente teksten, informasjon om gjenkjent språk og en sekvens av ord med tidsangivelser. Ordregistreringene kan inneholde start- og sluttider, taleridentifikatorer og en logaritmisk sannsynlighet for gjenkjenningen. Dette gjør resultatet nyttig for undertekster, søkbare intervjuer eller en redigerer som hopper tilbake til den relevante lyden. Behold resultatet med tidsangivelser sammen med kildelyden. For en podkast kan leveransen for eksempel være en redigerbar transkripsjon og en ordjustert registrering som gjør det mulig å finne rettelser før undertekstene settes opp.\n\nTalerdiarisering merker hvem som snakker når i lyd med flere talere, med opptil 32 talere dokumentert av produsenten. Aktiver den når talerskifter er viktige, og oppgi et rimelig antall talere hvis denne informasjonen er kjent. Skill mellom en gjenkjent taleretikett og navnet på en verifisert person. For et intervju eller møte kontrollerer du talerskifter mot opptaket, særlig der stemmer overlapper eller høres like ut. En etikett hjelper med å organisere transkripsjonen; den fastslår ikke talerens identitet på egen hånd.\n\nEt opptak med én taler per kanal har en annen struktur enn flere stemmer blandet i én kanal. Produsentens grensesnitt kan behandle opptil fem kanaler uavhengig og returnere separate transkripsjoner eller en samlet transkripsjon ordnet etter tid, med kanalindekser. Behold dette kanaloppsettet når det er relevant. Å slå sammen et samtaleopptak med separate kanaler før transkripsjon kan fjerne en nyttig kilde til talerinformasjon. Hold kanalbasert tilordning atskilt fra diarisering som er utledet fra blandet lyd. Svaret for kombinerte kanaler krever tidsstempler og kan ikke inneholde entitetsgjenkjenning eller maskering.\n\nStyring med nøkkeltermer veileder gjenkjenningen av navn, produktbegreper og fagterminologi ved hjelp av kontekst. Den gjeldende dokumentasjonen for satsvis transkripsjon tillater opptil 1 000 termer, hver på under 50 tegn og høyst fem ord. Oppgi relevante stavemåter fremfor en bred katalog uten tilknytning til oppgaven. For et teknisk intervju oppgir du produktnavnene og forkortelsene som sannsynligvis forekommer, og kontrollerer dem deretter ved tidsstemplene i resultatet. Nøkkeltermer påvirker gjenkjenningen; de er ikke instruksjoner om å sette inn en term når opptaket ikke gir grunnlag for den.\n\nVelg transkripsjonens formål før du rydder i språket. En ordrett registrering beholder den muntlige ordlyden, mens det dokumenterte alternativet no-verbatim fjerner fyllord, avbrutte formuleringer og taleflytbrudd for et mer lesbart resultat. Dynamisk lydmerking kan identifisere hendelser uten tale, som latter eller fottrinn. En bearbeidet transkripsjon kan være nyttig for undertekster eller lesing, men den bør ikke stilltiende erstatte råregistreringen når gjentakelser, rettelser eller lyder uten tale er viktige for oppgaven.\n\nProdusenten dokumenterer også entitetsgjenkjenning og eksperimentell redigering av transkripsjoner. Redigering av transkripsjoner kan ikke kombineres med entitetsgjenkjenning, entitetsmaskering eller flerkanalstranskripsjon i produsentens grensesnitt. Gjenkjente entiteter gir strukturerte posisjoner for utvalgt informasjon i transkripsjonen. Valgfri entitetsmaskering maskerer gjenkjent tekst med erstatningsetiketter; den avhenger av entitetsgjenkjenning, og entitetslisten returneres ikke når maskering er aktivert. Maskeringen skjer under transkripsjonen og bruker en generell erstatningsmarkør, en kategorietikett eller en nummerert kategorietikett. Automatisk maskering kan overse følsomt innhold, så gjennomgå den maskerte transkripsjonen før du deler den. En redigering med instruksjoner i naturlig språk returnerer en redigert tekst ved siden av originalresultatet, slik at den opprinnelige registreringen av tider og talere fortsatt er tilgjengelig. Hold disse resultatene atskilt: en korrigert stavemåte eller en omformatert setning kan trenge en ny kontroll før den justeres mot lyden eller brukes i et etterfølgende uttrekk. Disse funksjonene behandler transkripsjonen; de fastslår ikke at alle viktige detaljer ble gjenkjent riktig.\n\nFor en ferdig transkripsjon kontrollerer du navn, tall, negasjoner og talerskifter ved å gå tilbake til den tilhørende lyden. Vær oppmerksom på stille partier, overlapp og språkskifter fremfor å vurdere kvaliteten bare ut fra flytende tekst. Behold usikker ordlyd for retting i stedet for å fullføre et uhørbart avsnitt med en plausibel setning. Det nyttige resultatet er en kontrollert tekstregistrering med tids- og talerinformasjonen som trengs for den tiltenkte bruken; en transkripsjon kan deretter bli inndata til et separat trinn for oppsummering, oversettelse eller analyse.", "alias_of": null, "aliases": [], "author": "ElevenLabs", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0001222222222222", "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": "0.0001222222222222", "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": "Fullstendige priser for konfigurasjonen finnes i detaljene." } ], "ctx": null, "formats": [ "transcriptions" ], "id": "elevenlabs/scribe-v2", "input": [ "audio" ], "kind": "audio", "max_out": null, "methods": [ { "available": null, "cache_read": null, "cache_write": null, "cache_write_1h": null, "contract": { "data": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "errors": [ { "code": null, "condition": "JSON-kroppen eller den eksplisitte kanoniske modell-ID-en er ugyldig.", "http_status": 400, "recovery": "Behold svaret og korriger det angitte forespørselsfeltet.", "type": "invalid_request_error" }, { "code": null, "condition": "Ailoot API-nøkkelen er ugyldig.", "http_status": 401, "recovery": "Bruk den autoriserte Ailoot API-nøkkelen din.", "type": "authentication_error" }, { "code": null, "condition": "Nøkkelgruppen gir ikke tilgang til denne metoden.", "http_status": 403, "recovery": "Behold de returnerte feildetaljene.", "type": "permission_error" }, { "code": null, "condition": "Den valgte metoden har ingen godkjent rute.", "http_status": 404, "recovery": "Behold de returnerte feildetaljene.", "type": "not_found_error" }, { "code": null, "condition": "Den godtatte tariffen kan ikke hente den nødvendige inndatamengden eller grensen.", "http_status": 422, "recovery": "Behold svaret; bruk inndatarepresentasjonen som den godtatte tariffen krever.", "type": "price_unavailable" }, { "code": null, "condition": "Nødvendig lagring, rute, metodepris eller reservasjon er utilgjengelig.", "http_status": 503, "recovery": "Behold hele det opprinnelige svaret. En usikker reservasjon gir ikke tillatelse til å sende inn på nytt.", "type": null }, { "code": null, "condition": "Det opprinnelige resultatet, forbruket eller oppgjøret må kontrolleres.", "http_status": 502, "operation_id_source": "actual X-Client-Request-ID", "recovery": "Behold den faktiske forespørsels-ID-en og det opprinnelige svaret. Les den eksisterende oppføringen du eier; ikke send opprettelsen på nytt.", "response_headers": { "x-should-retry": "false" }, "type": "server_error" } ], "lifecycle": { "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "exact task_id from an existing owned media record", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Behold den faktiske X-Client-Request-ID og hele svaret. Les de opprinnelige ressursene du eier, og deres eksakte signerte innholdsadresser; send aldri en usikker opprettelse på nytt." }, "outputs": { "all_results": "Bevar hele svaret og svarhodene, alle faktiske utdata, de opprinnelige returnerte identifikatorene og alle bruksfeltene. Hent den opprinnelige operasjonen igjen uten å sende opprettelsesforespørselen på nytt.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Hele den opprinnelige svarkroppen, statusen og videresendte svarhoder. Denne behandleren legger ikke til noen universell JSON-struktur, noe tekstfelt eller noen oppgaveinnpakning." }, "parameters": [ { "default_known": false, "enum": [ "elevenlabs/scribe-v2" ], "enum_known": true, "name": "model", "required": true, "type": "string" }, { "default_known": false, "enum_known": false, "name": "input_audio", "required": true, "type": "object" } ], "request_schema": { "properties": { "input_audio": { "properties": { "data": { "contentEncoding": "base64", "type": "string" }, "format": { "type": "string" } }, "required": [ "data", "format" ], "type": "object" }, "model": { "enum": [ "elevenlabs/scribe-v2" ], "type": "string" } }, "required": [ "model", "input_audio" ], "type": "object" }, "schema_template": { "actual_file_preparation_required": true, "body": { "input_audio": { "data": "${BASE64_ACTUAL_WAV_BYTES}", "format": "wav" }, "model": "elevenlabs/scribe-v2" }, "content_type": "application/json" } }, "input": { "content_type": "application/json", "material_conditions": [ "Eksemplet leser den faktiske PCM WAV-filen din, som må ha innhold, koder alle filens byte som base64 og sender input_audio.format som wav." ], "material_types": [ "audio" ], "required": [ "model", "input_audio" ] }, "lifecycle": { "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 content URL" } ], "dedicated_method_polling_or_cancel": false, "mode": "synchronous_result_then_owned_library", "original_POST_adds_task_envelope": false, "status": [ { "http": "GET", "id_source": "Eksakt task_id fra en eksisterende medieoppføring du eier", "path": "/v1/media/tasks/{task_id}" } ], "unknown": "Retain the actual X-Client-Request-ID and complete response. Read the original owned assets and their exact signed content URLs; never resubmit an uncertain creation." }, "method": { "http": "POST", "path": "/v1/audio/transcriptions" }, "output": { "all_results": "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again.", "family": "text", "fields": [ { "description": null, "name": "text (when present)", "type": null }, { "description": null, "name": "usage (when present)", "type": null } ], "result": "Complete original response body, status and forwarded headers. No universal JSON shape, text field or task envelope is added by this handler." } }, "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": "0.0001222222222222", "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": "0.0001222222222222", "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 the path to your actual PCM WAV recording}\"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'elevenlabs/scribe-v2', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H \"Authorization: Bearer $AILOOT_API_KEY\" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\n", "label": "curl · actual WAV file and complete original result", "language": "bash" } ], "family": "openai", "fast_multiplier": null, "flex_multiplier": null, "fmt": "transcriptions", "hints": [ "The example reads your actual nonempty PCM WAV file, encodes the complete file bytes as base64 and sends input_audio.format as wav.", "The format value in the example is the documented recipe; no model-specific format list, limit or default is asserted.", "Retain the complete response and headers, every actual output, original returned identifiers and all usage fields. Recover the original operation without submitting creation again." ], "http": "POST", "in": null, "input": [ "audio" ], "label": "Transkripsjon", "max_out": null, "max_reasoning_effort_multiplier": null, "method_aliases": [], "native_endpoint": "audio_transcriptions", "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": 0.0001222222222222 } }, "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": "0.0001222222222222", "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": "0.0001222222222222", "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": "elevenlabs/scribe-v2", "route_label": "Ultra", "status_reads": [ "GET /v1/media/tasks/{task_id}" ], "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": "0.0001222222222222", "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": "0.0001222222222222", "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": "elevenlabs/scribe-v2", "request_model_id": "elevenlabs/scribe-v2", "route_label": "Ultra" } ], "name": "ElevenLabs: Scribe v2", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "short": "ElevenLabs Scribe v2 transkriberer innspilt lyd på 90+ språk, med tidsangivelser på ordnivå, valgfri talerdiarisering og etiketter for hendelser uten tale. Den er laget for lange opptak, undertekster og redigerbare transkripsjoner, med kontekstuelle nøkkeltermer og valg mellom ordrett og språklig ryddet transkripsjon." }, "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": "ElevenLabs Scribe v2 transkriberer innspilt lyd på 90+ språk, med tidsangivelser på ordnivå, valgfri talerdiarisering og etiketter for hendelser uten tale. Den er laget for lange opptak, undertekster og redigerbare transkripsjoner, med kontekstuelle nøkkeltermer og valg mellom ordrett og språklig ryddet transkripsjon.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "0c74e340125cc1b6a4cfac1d2b83d5bcb6700e82f6c085244f49d0f177a07871", "renderer_sha256": "c8cb5a92c10b47373d294dee7465d66796cd4710c6626fd81459dc0625fc6d26" }, "sourceRevision": "013c5edcc7d1a0dd9d1c20486c30426de33adb894685e054c6406ed861f0cc9a" }