{ "aboutHtml": "

Transcribe 1 er Fish Audios generelle tale-til-tekst-modell for korte opptak. Den tar imot en lydfil og returnerer de gjenkjente ordene som tekst, med opptakets varighet, valgfrie tidsfestede segmenter og språkinformasjon når den er kjent. Modellen er nyttig for et kort talenotat, en muntlig instruksjon, et utdrag fra et opptak eller et lydklipp som trenger en lesbar tekstversjon.

I et eksempel på en arbeidsflyt for talenotater beholdes opptaket sammen med den fullstendige transkripsjonen og en identifikator for originalklippet. Et senere applikasjonstrinn kan søke i teksten, organisere notatet eller lage et sammendrag mens talekilden bevares. Ved en kommando gir transkripsjonen gjenkjente ord til applikasjonen; enhver handling er et separat trinn for tolkning og utførelse. Ved et intervjuutdrag registrerer du klippets plassering i hele lydopptaket, slik at et sitat kan kontrolleres på riktig sted.

Produsenten godtar WAV, MP3, AAC inkludert M4A/MP4, FLAC og Ogg med Opus eller Vorbis. Nettleseropptak i WebM bør konverteres til Ogg/Opus, MP3 eller WAV for denne modellen; Pro dokumenterer innebygd støtte for flere beholdere. Send én lydfil per forespørsel. Grunnmodellens dokumenterte forespørselsramme er opptil 50 MiB, mens MP3- og Opus-filer skal holdes under 25 MiB. Filstørrelse og opptakslengde er ulike hensyn: en komprimert fil kan passe innenfor opplastingsrammen og likevel ta for lang tid å behandle.

Transcribe 1 er laget for korte opptak. Produsenten anbefaler Pro for lyd som er lengre enn noen få minutter; en lang forespørsel til grunnmodellen kan feile hvis behandlingstidsgrensen overskrides. Når du deler en lengre kilde opp i korte klipp for transkripsjon, bevarer du hvert klipps startforskyvning og bekrefter at den returnerte transkripsjonen dekker hele klippet før resultatene kombineres. Legg til den opprinnelige forskyvningen i segmentenes lokale tider, slik at navigasjonen forblir knyttet til hele opptaket. Veiledningen for grunnmodellen skal ikke tolkes som Pros separate ramme på 60 minutter.

Produsentens svar omfatter text, duration og segments. Varighet uttrykkes i sekunder, og den lesbare fullstendige transkripsjonen bør beholdes som klippets primære ordlyd. Tidsstempler er valgfrie: ignore_timestamps har standardverdien true i produsentens API, mens false ber om segmenter på ordnivå med tekst og start- og sluttider i sekunder. Tidsjustering gir ekstra behandlingstid. En tom segments-tabell kan skyldes at tidsfesting ble utelatt, at det ikke finnes tale, eller at justering er midlertidig utilgjengelig, og skal derfor ikke automatisk tolkes som en tom fullstendig transkripsjon.

Segmenter er vanligvis ord, eller ett eller noen få tegn på kinesisk og japansk. Segmentteksten utelater tegnsetting og kan normalisere en verdi annerledes enn fullteksten; den er ikke en kopi tegn for tegn av det lesbare svaret. Et segment kan ha samme start- og sluttid. Bruk segmenter til å finne en posisjon i opptaket eller forberede tidsstyrt visning, og bruk fullteksten når ordlyd og tegnsetting er viktige. Hold disse to representasjonene atskilt i det ferdige resultatet.

Språket gjenkjennes automatisk, uansett om et valgfritt språkhint er oppgitt. Produsenten dokumenterer ISO 639-1-koder med små bokstaver for hint og returnerer en språkkode til applikasjonslogikken sammen med et språknavn for visning når det er kjent. Svaret rapporterer ett språk, ikke alle språkene i et opptak som veksler mellom språk. Bevar kildens ordlyd og tilgjengelige språkmetadata sammen med resultatet fremfor å behandle transkripsjonsforespørselen som en oversettelse.

Ved en arbeidsflyt for undertekster grupperer du sammenhengende tidsfestede segmenter i lesbare undertekstblokker fremfor å vise ett ord om gangen. Et nyttig resultat er en SRT- eller WebVTT-fil knyttet til originalklippet, med blokkgrenser som passer med pauser og en håndterlig mengde tekst på skjermen. Se etter manglende tidsfesting, og sørg for at hver blokk slutter etter at den starter. Gruppering av undertekster og filformatering er applikasjonstrinn som bygger på den returnerte tidsjusteringen, og visningsvalgene bør passe til avspilleren og publikum.

De dokumenterte innstillingene for Transcribe 1 er lyd, et språkhint og valget om tidsstempler. Pros talermarkører, strukturerte talerturer, innstillinger for følelseshendelser og hint om antall talere er separate funksjoner; de inngår ikke i grunnmodellens dokumenterte svarkontrakt. Velg ønsket resultat før behandling: vanlig lesbar tekst for et notat, eller tekst med tidsjustering for avspillingsnavigasjon og undertekster. Bevaring av klippidentifikator, transkripsjon og tilgjengelig tidsfesting gjør resultatet nyttig i neste applikasjonstrinn.

", "aboutText": "Transcribe 1 er Fish Audios generelle tale-til-tekst-modell for korte opptak. Den tar imot en lydfil og returnerer de gjenkjente ordene som tekst, med opptakets varighet, valgfrie tidsfestede segmenter og språkinformasjon når den er kjent. Modellen er nyttig for et kort talenotat, en muntlig instruksjon, et utdrag fra et opptak eller et lydklipp som trenger en lesbar tekstversjon.\n\nI et eksempel på en arbeidsflyt for talenotater beholdes opptaket sammen med den fullstendige transkripsjonen og en identifikator for originalklippet. Et senere applikasjonstrinn kan søke i teksten, organisere notatet eller lage et sammendrag mens talekilden bevares. Ved en kommando gir transkripsjonen gjenkjente ord til applikasjonen; enhver handling er et separat trinn for tolkning og utførelse. Ved et intervjuutdrag registrerer du klippets plassering i hele lydopptaket, slik at et sitat kan kontrolleres på riktig sted.\n\nProdusenten godtar WAV, MP3, AAC inkludert M4A/MP4, FLAC og Ogg med Opus eller Vorbis. Nettleseropptak i WebM bør konverteres til Ogg/Opus, MP3 eller WAV for denne modellen; Pro dokumenterer innebygd støtte for flere beholdere. Send én lydfil per forespørsel. Grunnmodellens dokumenterte forespørselsramme er opptil 50 MiB, mens MP3- og Opus-filer skal holdes under 25 MiB. Filstørrelse og opptakslengde er ulike hensyn: en komprimert fil kan passe innenfor opplastingsrammen og likevel ta for lang tid å behandle.\n\nTranscribe 1 er laget for korte opptak. Produsenten anbefaler Pro for lyd som er lengre enn noen få minutter; en lang forespørsel til grunnmodellen kan feile hvis behandlingstidsgrensen overskrides. Når du deler en lengre kilde opp i korte klipp for transkripsjon, bevarer du hvert klipps startforskyvning og bekrefter at den returnerte transkripsjonen dekker hele klippet før resultatene kombineres. Legg til den opprinnelige forskyvningen i segmentenes lokale tider, slik at navigasjonen forblir knyttet til hele opptaket. Veiledningen for grunnmodellen skal ikke tolkes som Pros separate ramme på 60 minutter.\n\nProdusentens svar omfatter text, duration og segments. Varighet uttrykkes i sekunder, og den lesbare fullstendige transkripsjonen bør beholdes som klippets primære ordlyd. Tidsstempler er valgfrie: ignore_timestamps har standardverdien true i produsentens API, mens false ber om segmenter på ordnivå med tekst og start- og sluttider i sekunder. Tidsjustering gir ekstra behandlingstid. En tom segments-tabell kan skyldes at tidsfesting ble utelatt, at det ikke finnes tale, eller at justering er midlertidig utilgjengelig, og skal derfor ikke automatisk tolkes som en tom fullstendig transkripsjon.\n\nSegmenter er vanligvis ord, eller ett eller noen få tegn på kinesisk og japansk. Segmentteksten utelater tegnsetting og kan normalisere en verdi annerledes enn fullteksten; den er ikke en kopi tegn for tegn av det lesbare svaret. Et segment kan ha samme start- og sluttid. Bruk segmenter til å finne en posisjon i opptaket eller forberede tidsstyrt visning, og bruk fullteksten når ordlyd og tegnsetting er viktige. Hold disse to representasjonene atskilt i det ferdige resultatet.\n\nSpråket gjenkjennes automatisk, uansett om et valgfritt språkhint er oppgitt. Produsenten dokumenterer ISO 639-1-koder med små bokstaver for hint og returnerer en språkkode til applikasjonslogikken sammen med et språknavn for visning når det er kjent. Svaret rapporterer ett språk, ikke alle språkene i et opptak som veksler mellom språk. Bevar kildens ordlyd og tilgjengelige språkmetadata sammen med resultatet fremfor å behandle transkripsjonsforespørselen som en oversettelse.\n\nVed en arbeidsflyt for undertekster grupperer du sammenhengende tidsfestede segmenter i lesbare undertekstblokker fremfor å vise ett ord om gangen. Et nyttig resultat er en SRT- eller WebVTT-fil knyttet til originalklippet, med blokkgrenser som passer med pauser og en håndterlig mengde tekst på skjermen. Se etter manglende tidsfesting, og sørg for at hver blokk slutter etter at den starter. Gruppering av undertekster og filformatering er applikasjonstrinn som bygger på den returnerte tidsjusteringen, og visningsvalgene bør passe til avspilleren og publikum.\n\nDe dokumenterte innstillingene for Transcribe 1 er lyd, et språkhint og valget om tidsstempler. Pros talermarkører, strukturerte talerturer, innstillinger for følelseshendelser og hint om antall talere er separate funksjoner; de inngår ikke i grunnmodellens dokumenterte svarkontrakt. Velg ønsket resultat før behandling: vanlig lesbar tekst for et notat, eller tekst med tidsjustering for avspillingsnavigasjon og undertekster. Bevaring av klippidentifikator, transkripsjon og tilgjengelig tidsfesting gjør resultatet nyttig i neste applikasjonstrinn.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "72c257dc330d911b6c28fcdb4d10b9224ae78700fd7dedb91a66093d4b31d52a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "
•

Fish Audio: Transcribe 1

Fish Audio /fish-audio/transcribe-1

Start

Transcribe 1 gjør korte lydopptak om til tekst med automatisk språkgjenkjenning og valgfrie tidsstempler på ordnivå. Bruk transkripsjonen til talenotater, søkbare klipp eller forberedelse av undertekster, og hold tidsfestede segmenter atskilt fra den lesbare fullteksten.

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.

Transcribe 1 er Fish Audios generelle tale-til-tekst-modell for korte opptak. Den tar imot en lydfil og returnerer de gjenkjente ordene som tekst, med opptakets varighet, valgfrie tidsfestede segmenter og språkinformasjon når den er kjent. Modellen er nyttig for et kort talenotat, en muntlig instruksjon, et utdrag fra et opptak eller et lydklipp som trenger en lesbar tekstversjon.

I et eksempel på en arbeidsflyt for talenotater beholdes opptaket sammen med den fullstendige transkripsjonen og en identifikator for originalklippet. Et senere applikasjonstrinn kan søke i teksten, organisere notatet eller lage et sammendrag mens talekilden bevares. Ved en kommando gir transkripsjonen gjenkjente ord til applikasjonen; enhver handling er et separat trinn for tolkning og utførelse. Ved et intervjuutdrag registrerer du klippets plassering i hele lydopptaket, slik at et sitat kan kontrolleres på riktig sted.

Produsenten godtar WAV, MP3, AAC inkludert M4A/MP4, FLAC og Ogg med Opus eller Vorbis. Nettleseropptak i WebM bør konverteres til Ogg/Opus, MP3 eller WAV for denne modellen; Pro dokumenterer innebygd støtte for flere beholdere. Send én lydfil per forespørsel. Grunnmodellens dokumenterte forespørselsramme er opptil 50 MiB, mens MP3- og Opus-filer skal holdes under 25 MiB. Filstørrelse og opptakslengde er ulike hensyn: en komprimert fil kan passe innenfor opplastingsrammen og likevel ta for lang tid å behandle.

Transcribe 1 er laget for korte opptak. Produsenten anbefaler Pro for lyd som er lengre enn noen få minutter; en lang forespørsel til grunnmodellen kan feile hvis behandlingstidsgrensen overskrides. Når du deler en lengre kilde opp i korte klipp for transkripsjon, bevarer du hvert klipps startforskyvning og bekrefter at den returnerte transkripsjonen dekker hele klippet før resultatene kombineres. Legg til den opprinnelige forskyvningen i segmentenes lokale tider, slik at navigasjonen forblir knyttet til hele opptaket. Veiledningen for grunnmodellen skal ikke tolkes som Pros separate ramme på 60 minutter.

Produsentens svar omfatter text, duration og segments. Varighet uttrykkes i sekunder, og den lesbare fullstendige transkripsjonen bør beholdes som klippets primære ordlyd. Tidsstempler er valgfrie: ignore_timestamps har standardverdien true i produsentens API, mens false ber om segmenter på ordnivå med tekst og start- og sluttider i sekunder. Tidsjustering gir ekstra behandlingstid. En tom segments-tabell kan skyldes at tidsfesting ble utelatt, at det ikke finnes tale, eller at justering er midlertidig utilgjengelig, og skal derfor ikke automatisk tolkes som en tom fullstendig transkripsjon.

Segmenter er vanligvis ord, eller ett eller noen få tegn på kinesisk og japansk. Segmentteksten utelater tegnsetting og kan normalisere en verdi annerledes enn fullteksten; den er ikke en kopi tegn for tegn av det lesbare svaret. Et segment kan ha samme start- og sluttid. Bruk segmenter til å finne en posisjon i opptaket eller forberede tidsstyrt visning, og bruk fullteksten når ordlyd og tegnsetting er viktige. Hold disse to representasjonene atskilt i det ferdige resultatet.

Språket gjenkjennes automatisk, uansett om et valgfritt språkhint er oppgitt. Produsenten dokumenterer ISO 639-1-koder med små bokstaver for hint og returnerer en språkkode til applikasjonslogikken sammen med et språknavn for visning når det er kjent. Svaret rapporterer ett språk, ikke alle språkene i et opptak som veksler mellom språk. Bevar kildens ordlyd og tilgjengelige språkmetadata sammen med resultatet fremfor å behandle transkripsjonsforespørselen som en oversettelse.

Ved en arbeidsflyt for undertekster grupperer du sammenhengende tidsfestede segmenter i lesbare undertekstblokker fremfor å vise ett ord om gangen. Et nyttig resultat er en SRT- eller WebVTT-fil knyttet til originalklippet, med blokkgrenser som passer med pauser og en håndterlig mengde tekst på skjermen. Se etter manglende tidsfesting, og sørg for at hver blokk slutter etter at den starter. Gruppering av undertekster og filformatering er applikasjonstrinn som bygger på den returnerte tidsjusteringen, og visningsvalgene bør passe til avspilleren og publikum.

De dokumenterte innstillingene for Transcribe 1 er lyd, et språkhint og valget om tidsstempler. Pros talermarkører, strukturerte talerturer, innstillinger for følelseshendelser og hint om antall talere er separate funksjoner; de inngår ikke i grunnmodellens dokumenterte svarkontrakt. Velg ønsket resultat før behandling: vanlig lesbar tekst for et notat, eller tekst med tidsjustering for avspillingsnavigasjon og undertekster. Bevaring av klippidentifikator, transkripsjon og tilgjengelig tidsfesting gjør resultatet nyttig i neste applikasjonstrinn.

Tilgjengelig i Ailoot · inndata & metoder

Ailoot Ultra · Transkripsjon POST /v1/audio/transcriptions
Inndatatyper
audio
Utdatatyper
text
FeltTypeKravVerdier & grenserStandard
FeltmodelTypestringKravPåkrevdVerdier & grenser
fish-audio/transcribe-1
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 $0.0002 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 →

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': 'fish-audio/transcribe-1', '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 fish-audio/transcribe-1

Aliaser for metodestier

Bruk metodestiene som vises ovenfor.

Tilknyttede anroper-ID-er

fish-audio/transcribe-1

", "method_identity": { "effective_request_model_id": "fish-audio/transcribe-1", "fmt": "transcriptions", "http": "POST", "path": "/v1/audio/transcriptions", "request_model_id": "fish-audio/transcribe-1", "route_label": "Ultra" }, "method_key": "Ultra|transcriptions|/v1/audio/transcriptions|fish-audio%2Ftranscribe-1", "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": [ "fish-audio/transcribe-1" ], "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": [ "fish-audio/transcribe-1" ], "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": "fish-audio/transcribe-1" }, "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": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set 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': 'fish-audio/transcribe-1', '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": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "fish-audio/transcribe-1", "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": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } } ], "model_id": "fish-audio/transcribe-1", "nativeProvenance": { "input_facts_canonical_sha256": "2ff5c0f28c2b42c1fdea3c4da74d92bfb242bb0e6fd01bd8ae66040c3e633aac", "input_html_sha256": "8570d66bc22730d86dbe598c120b5c8b369840ff3774cc1d13f1103ba7f5405a", "private_audit_sha256": "8649a09c0d9776b868f8b05afe7b9d3b37977200731cd0e0ea2d06c3daae23c7", "role": "historical-normalized-input-audit-hashes", "schema": "ailoot-native-model-provenance-v2" }, "page": { "canonical": "https://ailoot.ai/models/nb/fish-audio-transcribe-1/", "description": "Transcribe 1 gjør korte lydopptak om til tekst med automatisk språkgjenkjenning og valgfrie tidsstempler på ordnivå. Bruk transkripsjonen til talenotater, søkbare klipp eller forberedelse av undertekster, og hold tidsfestede segmenter atskilt fra den lesbare fullteksten.", "locale": "nb", "md_url": "https://ailoot.ai/models/nb/fish-audio-transcribe-1/index.md", "title": "Fish Audio: Transcribe 1 — Ailoot", "url": "https://ailoot.ai/models/nb/fish-audio-transcribe-1/" }, "rawModel": { "about": "Transcribe 1 er Fish Audios generelle tale-til-tekst-modell for korte opptak. Den tar imot en lydfil og returnerer de gjenkjente ordene som tekst, med opptakets varighet, valgfrie tidsfestede segmenter og språkinformasjon når den er kjent. Modellen er nyttig for et kort talenotat, en muntlig instruksjon, et utdrag fra et opptak eller et lydklipp som trenger en lesbar tekstversjon.\n\nI et eksempel på en arbeidsflyt for talenotater beholdes opptaket sammen med den fullstendige transkripsjonen og en identifikator for originalklippet. Et senere applikasjonstrinn kan søke i teksten, organisere notatet eller lage et sammendrag mens talekilden bevares. Ved en kommando gir transkripsjonen gjenkjente ord til applikasjonen; enhver handling er et separat trinn for tolkning og utførelse. Ved et intervjuutdrag registrerer du klippets plassering i hele lydopptaket, slik at et sitat kan kontrolleres på riktig sted.\n\nProdusenten godtar WAV, MP3, AAC inkludert M4A/MP4, FLAC og Ogg med Opus eller Vorbis. Nettleseropptak i WebM bør konverteres til Ogg/Opus, MP3 eller WAV for denne modellen; Pro dokumenterer innebygd støtte for flere beholdere. Send én lydfil per forespørsel. Grunnmodellens dokumenterte forespørselsramme er opptil 50 MiB, mens MP3- og Opus-filer skal holdes under 25 MiB. Filstørrelse og opptakslengde er ulike hensyn: en komprimert fil kan passe innenfor opplastingsrammen og likevel ta for lang tid å behandle.\n\nTranscribe 1 er laget for korte opptak. Produsenten anbefaler Pro for lyd som er lengre enn noen få minutter; en lang forespørsel til grunnmodellen kan feile hvis behandlingstidsgrensen overskrides. Når du deler en lengre kilde opp i korte klipp for transkripsjon, bevarer du hvert klipps startforskyvning og bekrefter at den returnerte transkripsjonen dekker hele klippet før resultatene kombineres. Legg til den opprinnelige forskyvningen i segmentenes lokale tider, slik at navigasjonen forblir knyttet til hele opptaket. Veiledningen for grunnmodellen skal ikke tolkes som Pros separate ramme på 60 minutter.\n\nProdusentens svar omfatter text, duration og segments. Varighet uttrykkes i sekunder, og den lesbare fullstendige transkripsjonen bør beholdes som klippets primære ordlyd. Tidsstempler er valgfrie: ignore_timestamps har standardverdien true i produsentens API, mens false ber om segmenter på ordnivå med tekst og start- og sluttider i sekunder. Tidsjustering gir ekstra behandlingstid. En tom segments-tabell kan skyldes at tidsfesting ble utelatt, at det ikke finnes tale, eller at justering er midlertidig utilgjengelig, og skal derfor ikke automatisk tolkes som en tom fullstendig transkripsjon.\n\nSegmenter er vanligvis ord, eller ett eller noen få tegn på kinesisk og japansk. Segmentteksten utelater tegnsetting og kan normalisere en verdi annerledes enn fullteksten; den er ikke en kopi tegn for tegn av det lesbare svaret. Et segment kan ha samme start- og sluttid. Bruk segmenter til å finne en posisjon i opptaket eller forberede tidsstyrt visning, og bruk fullteksten når ordlyd og tegnsetting er viktige. Hold disse to representasjonene atskilt i det ferdige resultatet.\n\nSpråket gjenkjennes automatisk, uansett om et valgfritt språkhint er oppgitt. Produsenten dokumenterer ISO 639-1-koder med små bokstaver for hint og returnerer en språkkode til applikasjonslogikken sammen med et språknavn for visning når det er kjent. Svaret rapporterer ett språk, ikke alle språkene i et opptak som veksler mellom språk. Bevar kildens ordlyd og tilgjengelige språkmetadata sammen med resultatet fremfor å behandle transkripsjonsforespørselen som en oversettelse.\n\nVed en arbeidsflyt for undertekster grupperer du sammenhengende tidsfestede segmenter i lesbare undertekstblokker fremfor å vise ett ord om gangen. Et nyttig resultat er en SRT- eller WebVTT-fil knyttet til originalklippet, med blokkgrenser som passer med pauser og en håndterlig mengde tekst på skjermen. Se etter manglende tidsfesting, og sørg for at hver blokk slutter etter at den starter. Gruppering av undertekster og filformatering er applikasjonstrinn som bygger på den returnerte tidsjusteringen, og visningsvalgene bør passe til avspilleren og publikum.\n\nDe dokumenterte innstillingene for Transcribe 1 er lyd, et språkhint og valget om tidsstempler. Pros talermarkører, strukturerte talerturer, innstillinger for følelseshendelser og hint om antall talere er separate funksjoner; de inngår ikke i grunnmodellens dokumenterte svarkontrakt. Velg ønsket resultat før behandling: vanlig lesbar tekst for et notat, eller tekst med tidsjustering for avspillingsnavigasjon og undertekster. Bevaring av klippidentifikator, transkripsjon og tilgjengelig tidsfesting gjør resultatet nyttig i neste applikasjonstrinn.", "alias_of": null, "aliases": [], "author": "Fish Audio", "capabilities": { "context_length": 0, "manufacturer_input": [ "audio" ], "manufacturer_output": [ "transcription" ] }, "card_routes": [ { "label": "Ultra", "rates": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ], "summary": "Fullstendige priser for konfigurasjonen finnes i detaljene." } ], "ctx": null, "formats": [ "transcriptions" ], "id": "fish-audio/transcribe-1", "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": [ "fish-audio/transcribe-1" ], "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": [ "fish-audio/transcribe-1" ], "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": "fish-audio/transcribe-1" }, "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": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "examples": [ { "code": "set -eu\n: \"${AILOOT_API_KEY:?Set your Ailoot API key}\"\n: \"${AILOOT_AUDIO_FILE:?Set 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': 'fish-audio/transcribe-1', '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": 0.0002 } }, "pricing_profiles": [ { "dimensions": { "regime": "base" }, "label": "Base token rates", "units": [ { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "input_price", "label": "Input tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "output_price", "label": "Output tokens", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "output_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "out", "unit": "output_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_read_price", "label": "Cache read", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "cached_input_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "cached_input_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_price", "label": "Cache write", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "generic_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "generic_cache_creation_token" }, { "amount": null, "amount_unit": "usd_per_thousand_tokens", "billing_input": true, "estimate_only": false, "key": "cache_write_1h_price", "label": "Cache write, 1 hour", "native_amount_usd_per_unit": null, "native_quantity": 1, "native_unit": "one_hour_cache_creation_token", "public_unit_label": "/ 1K tokens", "quantity": 1000, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "one_hour_cache_creation_token" } ] }, { "dimensions": { "quoted_unit": "per input audio second" }, "label": "input audio second", "units": [ { "amount": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "request_model_id": "fish-audio/transcribe-1", "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": "0.0002", "amount_unit": "usd_per_exact_native_unit", "billing_input": true, "estimate_only": false, "key": "audio_input_second", "label": "input audio second", "native_amount_usd_per_unit": "0.0002", "native_quantity": 1, "public_unit_label": "per input audio second", "quantity": 1, "quantity_is_estimate": false, "rate_role": "typed_native_retail_rate", "side": "in", "unit": "audio_input_second" } ] } ], "model_aliases": [ { "canonical_model_id": "fish-audio/transcribe-1", "request_model_id": "fish-audio/transcribe-1", "route_label": "Ultra" } ], "name": "Fish Audio: Transcribe 1", "price": { "in": null, "in_label": null, "out": null, "out_label": null, "sort_in": null, "sort_out": null, "varies": true }, "short": "Transcribe 1 gjør korte lydopptak om til tekst med automatisk språkgjenkjenning og valgfrie tidsstempler på ordnivå. Bruk transkripsjonen til talenotater, søkbare klipp eller forberedelse av undertekster, og hold tidsfestede segmenter atskilt fra den lesbare fullteksten." }, "renderer_schema": { "method_order": "Original DTO methods order; every exact route/format/path/caller survives.", "prices": "Original public DTO fields and original native display HTML; no flattened or normalized offers." }, "representation": "exact-public-dto-and-native-renderer-html", "representationNotes": { "current_reference": { "about_json_pointer": "/aboutHtml", "methods": [ { "contract_json_pointer": "/methods/0/rawMethod/contract", "html_json_pointer": "/methods/0/html", "method_ordinal": 0 } ], "role": "current-semantic-reference" }, "raw_input": { "examples_role": "historical-input-not-current-ready-examples", "json_pointers": [ "/rawModel", "/methods/0/rawMethod" ], "role": "historical-owner-input" }, "schema": "ailoot-native-model-representations-v1" }, "schema": "ailoot-static-model-facts-v1", "schema_version": 1, "shortText": "Transcribe 1 gjør korte lydopptak om til tekst med automatisk språkgjenkjenning og valgfrie tidsstempler på ordnivå. Bruk transkripsjonen til talenotater, søkbare klipp eller forberedelse av undertekster, og hold tidsfestede segmenter atskilt fra den lesbare fullteksten.", "source": { "audit_sha256": "2e00086bcbfc28e64d0cebe97aa47c17d8d5618963027f8ffb9dc6123d7d25b1", "bridge_map_sha256": "1125275768b9636fc8461bc7da5061239a81ddfe508e2557843ca42c58ab0036", "raw_model_json_sha256": "a97fcf3c686c50156f0180e05ca84ecc551714f5f593a939936a1c97035be703", "renderer_sha256": "c8cb5a92c10b47373d294dee7465d66796cd4710c6626fd81459dc0625fc6d26" }, "sourceRevision": "e4c8936d0db868e9bba47c12dd7ba35d4526aaba456309aba7f9e18a1dc0bc20" }