Universal-3.5 Pro to model AssemblyAI do rozpoznawania mowy, służący do zamiany nagranej wypowiedzi na tekst. W profilu Sync krótki klip audio daje kompletną transkrypcję w jednej odpowiedzi. Sprawdza się to w wiadomościach głosowych, wejściu typu „naciśnij i mów” i odrębnych turach rozmowy, gdy aplikacja wie już, kiedy nagranie ma się zakończyć.
Przygotuj audio jako klip o określonych granicach. Wymagania Sync firmy AssemblyAI dopuszczają czas od 80 milisekund do 120 sekund przy maksymalnym rozmiarze pliku 40 MB. Obsługiwane formaty to WAV lub surowy PCM z 16-bitowymi próbkami ze znakiem w porządku little-endian. Audio może być mono lub stereo; stereo jest wewnętrznie miksowane do mono. Obsługiwane częstotliwości próbkowania to 8, 16, 22,05, 24, 32, 44,1 i 48 kHz. Nagłówek WAV podaje częstotliwość próbkowania i liczbę kanałów; surowy PCM wymaga osobnego podania tych wartości w konfiguracji transkrypcji.
Zarejestruj całą wypowiedź i zachowaj nienaruszone początek i koniec mowy. Przydatnym oryginalnym zadaniem jest krótka wiadomość głosowa do pomocy produktowej, zawierająca nazwę produktu, identyfikator zamówienia i prośbę. Zachowaj klip źródłowy, aby można było sprawdzić te ważne szczegóły w transkrypcji. Dla dłuższego nagrania przygotuj przepływ odpowiedni do transkrypcji długich materiałów, zamiast traktować limit czasu krótkiego klipu jako informację o pojemności audio całego modelu.
Wynik zawiera pełną transkrypcję, listę słów z poziomem pewności dla każdego słowa oraz ogólny poziom pewności od zera do jednego. Podaje także czas przesłanego audio i identyfikator żądania, dzięki czemu tekst można powiązać z oryginalnym klipem. Wykorzystaj pewność słów do znalezienia fragmentów wymagających sprawdzenia odsłuchem, zwłaszcza nazw, liczb i terminologii branżowej ważnych dla aplikacji.
Znaczniki czasu słów są opcjonalne i domyślnie wyłączone. Po ich zażądaniu każde dopasowane słowo może mieć czas początku i końca w milisekundach względem początku klipu. Profil producenta pozostawia te wartości nieobecne, gdy nie da się dopasować słowa, zamiast wymyślać przybliżony czas. Dokładność znaczników jest najlepsza dla audio w języku angielskim. Przygotowując podświetlanie słów, przeszukiwalny przebieg dźwięku lub dopasowanie napisów, jawnie zachowaj brakujące czasy i porównaj tekst z nagraniem, zanim użyjesz go jako gotowej ścieżki napisów.
Polecenie kontekstowe opisuje temat nagrania. Może wskazywać dziedzinę, scenariusz lub konkretne szczegóły znane już aplikacji, a jego maksymalna długość wynosi 6 000 znaków. Zacznij od krótkiego opisu pasującego do audio, na przykład rozmowy z pomocą techniczną o konkretnym urządzeniu. Polecenie dostarcza kontekstu rozpoznawania; nie jest prośbą o przeredagowanie wiadomości mówiącego w inny dokument.
Osobna lista kluczowych terminów ukierunkowuje rozpoznawanie na określone słownictwo. Profil Sync dopuszcza do 100 terminów i 8 000 znaków łącznie na tej liście. Podawaj dokładną pisownię nietypowych nazw, skrótowców i terminów produktowych, pomijając zwykłe, dobrze rozpoznawane słowa. Duże lub zbędne listy terminów mogą prowadzić do nadmiernych korekt, dlatego skup listę na słowach ważnych w nagraniu. Opis kontekstu i listę słownictwa można stosować razem.
Wcześniejsza rozmowa może również pomóc zinterpretować krótką odpowiedź. Podaj poprzednie wypowiedzi chronologicznie, od najstarszej do najnowszej, pozostawiając bieżące audio jako turę poddawaną transkrypcji. Udokumentowany limit kontekstu wynosi 500 tur lub 16 000 znaków łącznie. Jeśli kontekst przekracza te limity lub dostępny kontekst modelu, najpierw usuwane są najstarsze wpisy. Przydaje się to, gdy krótka odpowiedź zawiera identyfikator lub odniesienie, którego znaczenie wynika z poprzedniego pytania.
Wybór języka ukierunkowuje rozpoznawanie na jeden lub kilka oczekiwanych języków. Obecny interfejs Sync przyjmuje 32 kody języków i domyślnie wybiera angielski, jeśli nie podano wyboru. Dla audio z przełączaniem języków wymień oczekiwane języki. Niestandardowe polecenie kontekstowe zastępuje zarządzane ustawienie domyślne i ma pierwszeństwo przed osobnym ukierunkowaniem kodami języków, dlatego podaj oczekiwane języki wewnątrz tego polecenia, gdy potrzebny jest zarówno kontekst językowy, jak i sytuacyjny. Zachowaj transkrypcję w faktycznie używanych językach, zamiast traktować ją jako polecenie tłumaczenia.
Model występuje również w innych przepływach transkrypcji AssemblyAI, natomiast wymagania krótkich klipów i pola wynikowe profilu Sync należą do tego konkretnego interfejsu. Przepływ Dictation producenta dodaje osobny etap porządkowania tekstu; transkrypcja i przeredagowana wiadomość są różnymi materiałami. Zachowaj rozpoznaną wypowiedź, jeśli późniejszy etap redagowania lub podsumowania tworzy wersję uporządkowaną, aby oryginalne sformułowania pozostały dostępne do porównania.
Przydatne materiały wynikowe obejmują transkrybowaną wiadomość głosową, ukończoną turę dla asystenta, krótki przeszukiwalny tekst audio lub listę słów z czasami dla interfejsu przeglądu. Sprawdź decydujące słowa z nagraniem, zachowaj wszelkie brakujące dopasowania i utrzymaj powiązanie klipu ze zwróconym tekstem. Wynik rozpoznawania dostarcza kolejnemu etapowi aplikacji transkrypcję opartą na źródle; odpowiedź na prośbę lub redagowanie wiadomości należą do otaczającego przepływu pracy.
", "aboutText": "Universal-3.5 Pro to model AssemblyAI do rozpoznawania mowy, służący do zamiany nagranej wypowiedzi na tekst. W profilu Sync krótki klip audio daje kompletną transkrypcję w jednej odpowiedzi. Sprawdza się to w wiadomościach głosowych, wejściu typu „naciśnij i mów” i odrębnych turach rozmowy, gdy aplikacja wie już, kiedy nagranie ma się zakończyć.\n\nPrzygotuj audio jako klip o określonych granicach. Wymagania Sync firmy AssemblyAI dopuszczają czas od 80 milisekund do 120 sekund przy maksymalnym rozmiarze pliku 40 MB. Obsługiwane formaty to WAV lub surowy PCM z 16-bitowymi próbkami ze znakiem w porządku little-endian. Audio może być mono lub stereo; stereo jest wewnętrznie miksowane do mono. Obsługiwane częstotliwości próbkowania to 8, 16, 22,05, 24, 32, 44,1 i 48 kHz. Nagłówek WAV podaje częstotliwość próbkowania i liczbę kanałów; surowy PCM wymaga osobnego podania tych wartości w konfiguracji transkrypcji.\n\nZarejestruj całą wypowiedź i zachowaj nienaruszone początek i koniec mowy. Przydatnym oryginalnym zadaniem jest krótka wiadomość głosowa do pomocy produktowej, zawierająca nazwę produktu, identyfikator zamówienia i prośbę. Zachowaj klip źródłowy, aby można było sprawdzić te ważne szczegóły w transkrypcji. Dla dłuższego nagrania przygotuj przepływ odpowiedni do transkrypcji długich materiałów, zamiast traktować limit czasu krótkiego klipu jako informację o pojemności audio całego modelu.\n\nWynik zawiera pełną transkrypcję, listę słów z poziomem pewności dla każdego słowa oraz ogólny poziom pewności od zera do jednego. Podaje także czas przesłanego audio i identyfikator żądania, dzięki czemu tekst można powiązać z oryginalnym klipem. Wykorzystaj pewność słów do znalezienia fragmentów wymagających sprawdzenia odsłuchem, zwłaszcza nazw, liczb i terminologii branżowej ważnych dla aplikacji.\n\nZnaczniki czasu słów są opcjonalne i domyślnie wyłączone. Po ich zażądaniu każde dopasowane słowo może mieć czas początku i końca w milisekundach względem początku klipu. Profil producenta pozostawia te wartości nieobecne, gdy nie da się dopasować słowa, zamiast wymyślać przybliżony czas. Dokładność znaczników jest najlepsza dla audio w języku angielskim. Przygotowując podświetlanie słów, przeszukiwalny przebieg dźwięku lub dopasowanie napisów, jawnie zachowaj brakujące czasy i porównaj tekst z nagraniem, zanim użyjesz go jako gotowej ścieżki napisów.\n\nPolecenie kontekstowe opisuje temat nagrania. Może wskazywać dziedzinę, scenariusz lub konkretne szczegóły znane już aplikacji, a jego maksymalna długość wynosi 6 000 znaków. Zacznij od krótkiego opisu pasującego do audio, na przykład rozmowy z pomocą techniczną o konkretnym urządzeniu. Polecenie dostarcza kontekstu rozpoznawania; nie jest prośbą o przeredagowanie wiadomości mówiącego w inny dokument.\n\nOsobna lista kluczowych terminów ukierunkowuje rozpoznawanie na określone słownictwo. Profil Sync dopuszcza do 100 terminów i 8 000 znaków łącznie na tej liście. Podawaj dokładną pisownię nietypowych nazw, skrótowców i terminów produktowych, pomijając zwykłe, dobrze rozpoznawane słowa. Duże lub zbędne listy terminów mogą prowadzić do nadmiernych korekt, dlatego skup listę na słowach ważnych w nagraniu. Opis kontekstu i listę słownictwa można stosować razem.\n\nWcześniejsza rozmowa może również pomóc zinterpretować krótką odpowiedź. Podaj poprzednie wypowiedzi chronologicznie, od najstarszej do najnowszej, pozostawiając bieżące audio jako turę poddawaną transkrypcji. Udokumentowany limit kontekstu wynosi 500 tur lub 16 000 znaków łącznie. Jeśli kontekst przekracza te limity lub dostępny kontekst modelu, najpierw usuwane są najstarsze wpisy. Przydaje się to, gdy krótka odpowiedź zawiera identyfikator lub odniesienie, którego znaczenie wynika z poprzedniego pytania.\n\nWybór języka ukierunkowuje rozpoznawanie na jeden lub kilka oczekiwanych języków. Obecny interfejs Sync przyjmuje 32 kody języków i domyślnie wybiera angielski, jeśli nie podano wyboru. Dla audio z przełączaniem języków wymień oczekiwane języki. Niestandardowe polecenie kontekstowe zastępuje zarządzane ustawienie domyślne i ma pierwszeństwo przed osobnym ukierunkowaniem kodami języków, dlatego podaj oczekiwane języki wewnątrz tego polecenia, gdy potrzebny jest zarówno kontekst językowy, jak i sytuacyjny. Zachowaj transkrypcję w faktycznie używanych językach, zamiast traktować ją jako polecenie tłumaczenia.\n\nModel występuje również w innych przepływach transkrypcji AssemblyAI, natomiast wymagania krótkich klipów i pola wynikowe profilu Sync należą do tego konkretnego interfejsu. Przepływ Dictation producenta dodaje osobny etap porządkowania tekstu; transkrypcja i przeredagowana wiadomość są różnymi materiałami. Zachowaj rozpoznaną wypowiedź, jeśli późniejszy etap redagowania lub podsumowania tworzy wersję uporządkowaną, aby oryginalne sformułowania pozostały dostępne do porównania.\n\nPrzydatne materiały wynikowe obejmują transkrybowaną wiadomość głosową, ukończoną turę dla asystenta, krótki przeszukiwalny tekst audio lub listę słów z czasami dla interfejsu przeglądu. Sprawdź decydujące słowa z nagraniem, zachowaj wszelkie brakujące dopasowania i utrzymaj powiązanie klipu ze zwróconym tekstem. Wynik rozpoznawania dostarcza kolejnemu etapowi aplikacji transkrypcję opartą na źródle; odpowiedź na prośbę lub redagowanie wiadomości należą do otaczającego przepływu pracy.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "ed6b51c2b18074e85bf11a404f12ad7475ad708cdfe4217ec11e0c063e031a66", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "assemblyai/universal-3-5-proUniversal-3.5 Pro to model AssemblyAI do rozpoznawania mowy, który zamienia krótki klip audio w kompletną transkrypcję w jednej odpowiedzi. Jego profil Sync dodaje poziom pewności dla słów, opcjonalne znaczniki czasu słów, wskazówki słownikowe i kontekst wcześniejszej rozmowy na potrzeby wejścia głosowego oraz funkcji „naciśnij i mów”.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Universal-3.5 Pro to model AssemblyAI do rozpoznawania mowy, służący do zamiany nagranej wypowiedzi na tekst. W profilu Sync krótki klip audio daje kompletną transkrypcję w jednej odpowiedzi. Sprawdza się to w wiadomościach głosowych, wejściu typu „naciśnij i mów” i odrębnych turach rozmowy, gdy aplikacja wie już, kiedy nagranie ma się zakończyć.
Przygotuj audio jako klip o określonych granicach. Wymagania Sync firmy AssemblyAI dopuszczają czas od 80 milisekund do 120 sekund przy maksymalnym rozmiarze pliku 40 MB. Obsługiwane formaty to WAV lub surowy PCM z 16-bitowymi próbkami ze znakiem w porządku little-endian. Audio może być mono lub stereo; stereo jest wewnętrznie miksowane do mono. Obsługiwane częstotliwości próbkowania to 8, 16, 22,05, 24, 32, 44,1 i 48 kHz. Nagłówek WAV podaje częstotliwość próbkowania i liczbę kanałów; surowy PCM wymaga osobnego podania tych wartości w konfiguracji transkrypcji.
Zarejestruj całą wypowiedź i zachowaj nienaruszone początek i koniec mowy. Przydatnym oryginalnym zadaniem jest krótka wiadomość głosowa do pomocy produktowej, zawierająca nazwę produktu, identyfikator zamówienia i prośbę. Zachowaj klip źródłowy, aby można było sprawdzić te ważne szczegóły w transkrypcji. Dla dłuższego nagrania przygotuj przepływ odpowiedni do transkrypcji długich materiałów, zamiast traktować limit czasu krótkiego klipu jako informację o pojemności audio całego modelu.
Wynik zawiera pełną transkrypcję, listę słów z poziomem pewności dla każdego słowa oraz ogólny poziom pewności od zera do jednego. Podaje także czas przesłanego audio i identyfikator żądania, dzięki czemu tekst można powiązać z oryginalnym klipem. Wykorzystaj pewność słów do znalezienia fragmentów wymagających sprawdzenia odsłuchem, zwłaszcza nazw, liczb i terminologii branżowej ważnych dla aplikacji.
Znaczniki czasu słów są opcjonalne i domyślnie wyłączone. Po ich zażądaniu każde dopasowane słowo może mieć czas początku i końca w milisekundach względem początku klipu. Profil producenta pozostawia te wartości nieobecne, gdy nie da się dopasować słowa, zamiast wymyślać przybliżony czas. Dokładność znaczników jest najlepsza dla audio w języku angielskim. Przygotowując podświetlanie słów, przeszukiwalny przebieg dźwięku lub dopasowanie napisów, jawnie zachowaj brakujące czasy i porównaj tekst z nagraniem, zanim użyjesz go jako gotowej ścieżki napisów.
Polecenie kontekstowe opisuje temat nagrania. Może wskazywać dziedzinę, scenariusz lub konkretne szczegóły znane już aplikacji, a jego maksymalna długość wynosi 6 000 znaków. Zacznij od krótkiego opisu pasującego do audio, na przykład rozmowy z pomocą techniczną o konkretnym urządzeniu. Polecenie dostarcza kontekstu rozpoznawania; nie jest prośbą o przeredagowanie wiadomości mówiącego w inny dokument.
Osobna lista kluczowych terminów ukierunkowuje rozpoznawanie na określone słownictwo. Profil Sync dopuszcza do 100 terminów i 8 000 znaków łącznie na tej liście. Podawaj dokładną pisownię nietypowych nazw, skrótowców i terminów produktowych, pomijając zwykłe, dobrze rozpoznawane słowa. Duże lub zbędne listy terminów mogą prowadzić do nadmiernych korekt, dlatego skup listę na słowach ważnych w nagraniu. Opis kontekstu i listę słownictwa można stosować razem.
Wcześniejsza rozmowa może również pomóc zinterpretować krótką odpowiedź. Podaj poprzednie wypowiedzi chronologicznie, od najstarszej do najnowszej, pozostawiając bieżące audio jako turę poddawaną transkrypcji. Udokumentowany limit kontekstu wynosi 500 tur lub 16 000 znaków łącznie. Jeśli kontekst przekracza te limity lub dostępny kontekst modelu, najpierw usuwane są najstarsze wpisy. Przydaje się to, gdy krótka odpowiedź zawiera identyfikator lub odniesienie, którego znaczenie wynika z poprzedniego pytania.
Wybór języka ukierunkowuje rozpoznawanie na jeden lub kilka oczekiwanych języków. Obecny interfejs Sync przyjmuje 32 kody języków i domyślnie wybiera angielski, jeśli nie podano wyboru. Dla audio z przełączaniem języków wymień oczekiwane języki. Niestandardowe polecenie kontekstowe zastępuje zarządzane ustawienie domyślne i ma pierwszeństwo przed osobnym ukierunkowaniem kodami języków, dlatego podaj oczekiwane języki wewnątrz tego polecenia, gdy potrzebny jest zarówno kontekst językowy, jak i sytuacyjny. Zachowaj transkrypcję w faktycznie używanych językach, zamiast traktować ją jako polecenie tłumaczenia.
Model występuje również w innych przepływach transkrypcji AssemblyAI, natomiast wymagania krótkich klipów i pola wynikowe profilu Sync należą do tego konkretnego interfejsu. Przepływ Dictation producenta dodaje osobny etap porządkowania tekstu; transkrypcja i przeredagowana wiadomość są różnymi materiałami. Zachowaj rozpoznaną wypowiedź, jeśli późniejszy etap redagowania lub podsumowania tworzy wersję uporządkowaną, aby oryginalne sformułowania pozostały dostępne do porównania.
Przydatne materiały wynikowe obejmują transkrybowaną wiadomość głosową, ukończoną turę dla asystenta, krótki przeszukiwalny tekst audio lub listę słów z czasami dla interfejsu przeglądu. Sprawdź decydujące słowa z nagraniem, zachowaj wszelkie brakujące dopasowania i utrzymaj powiązanie klipu ze zwróconym tekstem. Wynik rozpoznawania dostarcza kolejnemu etapowi aplikacji transkrypcję opartą na źródle; odpowiedź na prośbę lub redagowanie wiadomości należą do otaczającego przepływu pracy.
POST /v1/audio/transcriptionsaudiotext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity assemblyai/universal-3-5-pro | Domyślnie— |
Poleinput_audio | Typobject | WymaganieWymagane | Wartości i limity | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, input_audio |
Parametrmaterial_types | Kontraktaudio |
Parametrmaterial_conditions | KontraktPrzykład odczytuje Twój rzeczywisty, niepusty plik PCM WAV, koduje wszystkie bajty pliku jako base64 i wysyła input_audio.format z wartością wav. |
Cykl życia: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · dokładne task_id z istniejącego rekordu multimediów należących do użytkownika
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Jednostka rozliczeniowa | Opłata |
|---|---|---|---|
| KonfiguracjaBazowe stawki za tokeny | Tabela stawekStawka podstawowa | Jednostka rozliczeniowa— | Opłata Wejście · Tokeny wejściowe — / 1K tokenów Wyjście · Tokeny wyjściowe — / 1K tokenów Wejście · Odczyt cache — / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| Konfiguracjasekunda wejściowego audio | Tabela stawek— | Jednostka rozliczeniowaza sekundę dźwięku wejściowego | Opłata Wejście · sekunda wejściowego audio $0.00025 za sekundę dźwięku wejściowego |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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': 'assemblyai/universal-3-5-pro', '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.\nKompletna treść oryginalnej odpowiedzi, status i przekazane nagłówki. Ta funkcja obsługująca nie dodaje uniwersalnej struktury JSON, pola tekstowego ani obudowy zadania.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj pełną odpowiedź i nagłówki, wszystkie rzeczywiście uzyskane wyniki, pierwotnie zwrócone identyfikatory oraz wszystkie pola zużycia. Odzyskaj pierwotną operację bez ponownego wysyłania żądania utworzenia.
Zachowaj rzeczywiste X-Client-Request-ID i kompletną odpowiedź. Odczytuj pierwotne zasoby należące do użytkownika i ich dokładne podpisane adresy URL treści; nigdy nie ponawiaj niepewnego utworzenia.
| Pole | Typ |
|---|---|
Poletext (when present) | Typ |
Poleusage (when present) | Typ |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekTreść JSON lub jawny kanoniczny identyfikator modelu są nieprawidłowe. | Następny krokZachowaj odpowiedź i popraw wskazane pole żądania. |
Odpowiedź401 · authentication_error | WarunekKlucz API Ailoot jest nieprawidłowy. | Następny krokUżyj swojego autoryzowanego klucza API Ailoot. |
Odpowiedź403 · permission_error | WarunekGrupa klucza nie ma uprawnień do tej metody. | Następny krokZachowaj zwrócone szczegóły błędu. |
Odpowiedź404 · not_found_error | WarunekWybrana metoda nie ma dopuszczonej ścieżki. | Następny krokZachowaj zwrócone szczegóły błędu. |
Odpowiedź422 · price_unavailable | WarunekZaakceptowana taryfa nie może uzyskać wymaganej ilości danych wejściowych lub ich górnej granicy. | Następny krokZachowaj odpowiedź; użyj reprezentacji danych wejściowych wymaganej przez zaakceptowaną taryfę. |
Odpowiedź503 · | WarunekWymagany magazyn, ścieżka, cena metody lub rezerwacja są niedostępne. | Następny krokZachowaj kompletną oryginalną odpowiedź. Niepewna rezerwacja nie uprawnia do ponownego wysłania. |
Odpowiedź502 · server_error | WarunekPierwotny wynik, dane użycia lub rozliczenie wymagają sprawdzenia. | Następny krokZachowaj rzeczywisty identyfikator żądania i oryginalną odpowiedź. Odczytuj istniejący rekord należący do użytkownika; nie wysyłaj ponownie żądania utworzenia. |
Ailoot Ultra assemblyai/universal-3-5-pro
Użyj ścieżek metod podanych powyżej.