Source: https://ailoot.ai/models/nb/fish-audio-transcribe-1-pro/ Canonical: https://ailoot.ai/models/nb/fish-audio-transcribe-1-pro/ Language: nb # Fish Audio: Transcribe 1 Pro [Markdown](https://ailoot.ai/models/nb/fish-audio-transcribe-1-pro/index.md) · [JSON](https://ailoot.ai/models/nb/fish-audio-transcribe-1-pro/facts.json) ## [Fish Audio: Transcribe 1 Pro](https://ailoot.ai/models/nb/fish-audio-transcribe-1-pro/) Transcribe 1 Pro omdanner opptak på opptil 60 minutter til tekst med talermarkører og valgfrie tidsangivelser på ordnivå. Den bevarer markeringer av følelser og vokale hendelser utledet fra lyden, slik at intervjuer, møter og podkaster blir enklere å gjennomgå, søke i eller klargjøre for teksting. - [**Ailoot Ultra · Talegjenkjenning** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro`](https://ailoot.ai/models/nb/fish-audio-transcribe-1-pro/#method-0) Om modellen Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden. Transcribe 1 Pro er Fish Audios tale-til-tekst-modell for korte klipp, samtaler med flere talere og lange opptak. Den mottar innspilt lyd og returnerer en transkripsjon med valgfrie tidsangivelser og strukturerte taleturer. Særtrekkene er talerskifter markert i teksten og signaler om følelser eller vokale hendelser, som bevarer mer av samtalestrukturen i opptaket enn en ren ordsekvens. For et intervju, møte eller en podkast beholdes hele samtalen i én fil, slik at talere som kommer tilbake, kan beholde konsekvente betegnelser innenfor svaret. Et nyttig gjennomgangsgrunnlag er en transkripsjon knyttet til originalopptaket, med taleturene vist separat og et tidsstempel tilgjengelig for å kontrollere et sitat. Et sammendrag eller en tiltaksliste er et senere applikasjonstrinn: hold det separat fra transkripsjonen slik at den talte kilden fortsatt er tilgjengelig for sammenligning. Produsenten godtar opptak på opptil 60 minutter og beskriver behandling av lange filer med komprimert lyd som MP3, Opus eller AAC. Støttede formater omfatter WAV, MP3, AAC i M4A eller MP4, FLAC, Ogg med Opus eller Vorbis, WebM/Matroska og MOV. For en videofil brukes det første lydsporet. AIFF, CAF, WMA, AMR, AC-3 og rå PCM uten filhode støttes ikke. Én lydfil leveres per forespørsel; resultatet kommer etter at hele opptaket er transkribert, og et langt opptak kan ta flere minutter. Klipp kortere enn omtrent 0,08 sekunder avvises. Produsentsvaret inneholder hele teksten, opptakets varighet i sekunder og en segments-liste. Pro markerer talerskifter direkte i teksten med betegnelser som \<|speaker:0|\> og \<|speaker:1|\>; en betegnelse gjelder den påfølgende teksten frem til neste markør. Dette er identifikatorer innenfor ett svar, ikke bekreftede navn eller identiteter som kan kobles på tvers av forespørsler. Hvis transkripsjonen ikke har noen talermarkør, behandler veiledningen den som et resultat med én taler. Behold eventuell tekst før den første markøren sammen med den første taleturen fremfor å forkaste den. Tidsstempler på ordnivå er valgfrie. I produsentforespørselen er ignore\_timestamps som standard true; verdien false ber om segmenter med tekst og start- og sluttider i sekunder. Et segment er vanligvis et ord, eller ett eller noen få tegn på kinesisk og japansk. Segmentteksten utelater tegnsetting, talermarkører og hendelsessignaler og kan normalisere en uttalt verdi annerledes enn den fullstendige transkripsjonen. Et ordsegment kan ha samme start- og sluttid. En tom segments-liste kan bety at tidsstempler ikke ble forespurt, at ingen tale ble funnet, eller at tidsangivelse var midlertidig utilgjengelig. Bruk den fullstendige transkripsjonen for lesbar ordlyd og segmentene for tidsmessig tilordning fremfor å anta at begge tekststrengene samsvarer tegn for tegn. diarize-innstillingen er som standard auto. Når tidsstempler forespørres og diarize ikke er false, returnerer Pro også speaker\_turns. Hver taletur inneholder talerbetegnelse, tekst og start-/sluttider, med tegnsetting og bevarte signaler, men uten talermarkøren fra den fullstendige teksten. Hvis tidsangivelse på ordnivå er utilgjengelig, kan taleturtidene være omtrentlige og dekke hele opptaket; tilstøtende taleturer følger ikke nødvendigvis direkte etter hverandre og kan overlappe. Deaktivering av diarize fjerner den strukturerte taleturlisten, men lar talermarkørene stå i hele teksten. Et kjent antall talere, eller minimums- og maksimumsantall, kan veilede taleradskillelsen i lengre opptak etter beste evne. Det nøyaktige antallet kan ikke kombineres med antallsgrensene, og antallshint kan ikke brukes når diarize er deaktivert. Signaler om følelser og vokale hendelser vises som tekst i hakeparenteser, for eksempel \[laughter\], sammen med den gjenkjente talen. De er slutninger fra lyden, ikke ord som en bruker må legge til før transkripsjon. Pros tag\_audio\_events-innstilling er som standard true; deaktivering fjerner disse signalene fra transkripsjonen og taleturteksten uten å endre tidsangivelsene. Det finnes ikke noe separat følelsesfelt eller en fast liste over følelsesverdier. Behold den annoterte transkripsjonen når måten en bemerkning høres ut på er viktig, og bruk en versjon uten signaler når den etterfølgende leveransen bare trenger de talte ordene. Språket oppdages automatisk. Et valgfritt ISO 639-1-hint med små bokstaver tvinger ikke frem oversettelse og endrer ikke Pros transkripsjon. Hvis språket ikke kan bestemmes, kan den returnerte språkkoden gjenspeile hintet uten å bekrefte det mot lyden. Produsenten rapporterer ett språk, ikke en oversikt over alle språk i et flerspråklig opptak. Behold original ordlyd og språkmetadata sammen når et søkbart arkiv klargjøres, særlig når ulike deler av samtalen skifter språk. For teksting grupperes påfølgende tidsangitte ord i lesbare SRT- eller WebVTT-tekstblokker fremfor å lage én tekstblokk per ord. Skill blokkene ved pauser, og velg lengde og visningstid som passer avspilleren og publikum. Taleturgrenser kan holde ulike talere i separate tekstblokker. Kontroller om tidsresultatet er tomt, og at slutten på hver blokk er senere enn starten. Tekstformatering, navn for anonyme talerbetegnelser og eventuelle senere sammendrag er applikasjonsprodukter bygget fra transkripsjonsresultatet. For en praktisk opptaksflyt avgjøres det før transkripsjon om det trengs en vanlig lesbar transkripsjon, annoterte samtaleturer eller tidsangitt teksting. Behold lydidentifikatoren sammen med resultatet, ta vare på den returnerte fullstendige teksten når tegnsetting og signaler er viktige, og bruk de strukturerte tidsfeltene til navigasjon. Pros funksjoner for lange opptak og flere talere er atskilt fra den generelle Transcribe 1-modellen for korte opptak; grensene og kontrollene skal ikke behandles som utbyttbare. **Ailoot Ultra · Talegjenkjenning** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro` [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/nb/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) Fish Audio /`fish-audio/transcribe-1-pro` ### Start Transcribe 1 Pro omdanner opptak på opptil 60 minutter til tekst med talermarkører og valgfrie tidsangivelser på ordnivå. Den bevarer markeringer av følelser og vokale hendelser utledet fra lyden, slik at intervjuer, møter og podkaster blir enklere å gjennomgå, søke i eller klargjøre for teksting. Godkjente inndata Lyd Resultater Tekst ### Tilgjengelig i Ailoot · inndata & metoder **Ailoot Ultra · Talegjenkjenning** `POST /v1/audio/transcriptions` Inndatatyper `audio` Utdatatyper `text` Utdataformat json | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser fish-audio/transcribe-1-pro | Standard— | | Felt`input_audio` | Type`object` | KravPåkrevd | Verdier & grenser Nøyaktige nøkler: data, format | Standard— | | Felt`input_audio.data` | Type`base64_string` | KravPåkrevd | Verdier & grenser Maksimalt antall dekodede byte: 26 214 400 Streng Base64: Ja | Standard— | | Felt`input_audio.format` | Type`string` | KravPåkrevd | Verdier & grenser Vilkår: Må være lik formatet som faktisk er påvist ved undersøkelse av filen | Standard— | | Felt`response_format` | Type`string` | KravValgfritt | Verdier & grenser json | Standard— | Kombinasjoner av inngående materialer **speech\_to\_text** · Påkrevd: input\_audio.data, input\_audio.format Metodeparametere og livssyklus | Parameter | Avtale | | --- | --- | | Parameter`content_type` | Avtaleapplication/json | | Parameter`required` | Avtalemodel, input\_audio | | Parameter`additional_properties` | Avtalefalse | | Parameter`parameters` | Avtale{"name":"model","type":"string","required":true,"enum":\["fish-audio/transcribe-1-pro"\]}, {"name":"input\_audio","type":"object","required":true,"exact\_keys":\["data","format"\],"data":"Streng base64-koding av faktiske støttede lydbyte","format":"Eksakt påvist filformat; må samsvare med de faktiske bytene"}, {"name":"response\_format","type":"string","required":false,"enum":\["json"\]} | | Parameter`max_audio_bytes` | Avtale26214400 | | Parameter`multipart_for_this_profile` | Avtalefalse | | Parameter`material_types` | Avtaleaudio | Livssyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · faktisk returnert task\_id eller oppføring i mediebiblioteket `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Behold hele svaret og de opprinnelige returnerte ID-ene. Send aldri en opprettelse med ukjent utfall på nytt. ### 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. | Konfigurasjon | Prisplan | Faktureringsenhet | Kostnad | | --- | --- | --- | --- | | KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Faktureringsenhet— | 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 inndata | Prisplan— | Faktureringsenhetper sekund inndatalyd | Kostnad Inndata · lydsekund i inndata **$0.0002** per sekund inndatalyd | Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/) #### Detaljer om referansetariffen Referanseprisplaner på modellnivå endrer ikke metodevalg, prisoverslag eller kostnader. Aktive kostnader bruker satsene til den valgte Ailoot-metoden. Fish Audio: Transcribe 1 Pro #### Priser etter konfigurasjon | Konfigurasjon | Faktureringsvilkår | Kostnad | | --- | --- | --- | | KonfigurasjonFish Audio: Transcribe 1 Pro · Standardkonfigurasjon | FaktureringsvilkårStandardkonfigurasjon | Kostnad Inndata · Lydsekunder i inndata **0,0002 USD** per sekund inndatalyd | ### Eksempelforespørsler #### Ailoot Ultra · Talegjenkjenning curl · faktiske lydbyte og påvist format ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set your actual audio file}" : "${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}" export AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "fish-audio/transcribe-1-pro", "response_format": "json"}') import base64 f=Path(os.environ['AILOOT_AUDIO_FILE']) raw=f.read_bytes() if not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB') fmt=os.environ['AILOOT_AUDIO_FORMAT'].strip() if not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes') p['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt} Path('request.json').write_text(json.dumps(p,ensure_ascii=False)) 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 result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path('result.json').read_text()) print(json.dumps(r,ensure_ascii=False,indent=2)) print('Keep the complete JSON and response headers; do not resubmit an unknown creation.') PY_RESULT ``` ### Motta og lagre resultater #### Ailoot Ultra · Talegjenkjenning json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Behold alle ferdige resultater Behold alle fullstendige returnerte svar, filer og innholdsdeler. Behold hele JSON-svaret, svarhodene, teksten og hvert faktisk returnert forbruksfelt. Bruk faktiske oppgave- og ressursidentiteter fra svaret eller biblioteket du eier; operation\_id er ikke task\_id. ##### Hvis det opprinnelige svaret må kontrolleres Bevar opprinnelig operation\_id/X-Client-Request-ID for avstemming uten ny innsending; det finnes ingen egen rute for å spørre etter lydstatus. Svarfelter | Felt | Type | Betydning | | --- | --- | --- | | Felt`text` | Typestring | BetydningTranskribert tekst. | | Felt`usage` | Typeobject | BetydningLydforbruk. | | Felt`usage.seconds` | Typenumber | BetydningLydvarighet i sekunder. | | Felt`duration` | Typenumber | BetydningLydvarighet i sekunder. | | Felt`task_id` | Typestring | BetydningOppgave-ID for transkripsjonen; returneres sammen med asset\_url når en transkripsjon med innhold er lagret, publisert og tildelt en signert URL til innholdet. | | Felt`asset_url` | Typestring | BetydningSignert URL til transkripsjonsinnhold; returneres sammen med task\_id når en transkripsjon med innhold er lagret, publisert og tildelt en signert URL til innholdet. | Feil og neste trinn | Svar | Vilkår | Neste trinn | | --- | --- | --- | | Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. | | Svar`server_error` | VilkårDet returnerte svaret angir at operasjonen eller resultatet må kontrolleres | Neste trinnBevar den opprinnelige returnerte operasjons-/oppgave-ID-en, forespørselshodene og svaret; fortsett å lese den opprinnelige operasjonen på de støttede måtene. Ikke send opprettelsesforespørselen på nytt. | ### Aliaser #### Modellaliaser **Ailoot Ultra** [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/nb/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/nb/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) FAQ · Fish Audio: Transcribe 1 Pro Hvilke inndata og resultater er tilgjengelige? `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `audio` → `text` Hvilke felt bruker forespørselen? `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `model`, `input_audio`, `response_format` Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon. ## Selskapet og dets prosjektportefølje Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. ## Kjøp tokener med rabatt. Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp. Abonnement Velg et rabattabonnement for faste forespørsler. Kampanjekode opptil 50% Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje. Kostnader i historikken Modell, tokener og beløp lagres for hver forespørsel. [Velg abonnement](https://ailoot.ai/docs/nb/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/nb/) ## Koble API-et til produktet du selger. SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg. Kommersiell applikasjon Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten. Forhandlerlisens Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg. Dokumenter på nettstedet Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling. [Be om forhandlerlisens](mailto:support@ailoot.ai) · [Offentlig tilbud og lisensavtale](https://ailoot.ai/legal/offer?lang=nb) ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.