Transcribe 1 Pro é o modelo de conversão de fala em texto da Fish Audio para excertos curtos, conversas com vários locutores e gravações longas. Recebe áudio gravado e devolve uma transcrição, com tempos opcionais e turnos de fala estruturados. As suas características distintivas são mudanças de locutor assinaladas no texto e indícios de emoção ou eventos vocais, que preservam mais estrutura conversacional da gravação do que uma sequência simples de palavras.
Para uma entrevista, reunião ou podcast, mantenha a conversa completa num ficheiro, para que locutores que voltam a intervir possam conservar etiquetas consistentes dentro da resposta. Um artefacto útil de revisão é uma transcrição ligada à gravação original, com turnos apresentados separadamente e um carimbo temporal disponível para verificar uma citação. Um resumo ou lista de ações é uma etapa posterior da aplicação: mantenha-o separado da transcrição para que a fonte falada continue disponível para comparação.
O produtor aceita gravações de até 60 minutos e descreve o processamento de ficheiros longos com áudio comprimido, como MP3, Opus ou AAC. Os formatos suportados incluem WAV, MP3, AAC em M4A ou MP4, FLAC, Ogg com Opus ou Vorbis, WebM/Matroska e MOV. Para um ficheiro de vídeo, utiliza a primeira faixa de áudio. AIFF, CAF, WMA, AMR, AC-3 e PCM bruto sem cabeçalho não são suportados. É fornecido um ficheiro de áudio por pedido; o resultado chega após a transcrição da gravação inteira, e uma gravação longa pode demorar vários minutos. Excertos com menos de cerca de 0,08 segundos são rejeitados.
A resposta do produtor contém o texto completo, a duração da gravação em segundos e um array segments. Pro assinala mudanças de locutor dentro do texto com etiquetas como <|speaker:0|> e <|speaker:1|>; uma etiqueta aplica-se ao texto seguinte até ao próximo marcador. Estes são identificadores dentro de uma resposta, não nomes ou identidades verificados que possam ser associados entre pedidos. Se a transcrição não tiver marcador de locutor, o guia trata-a como resultado de um único locutor. Mantenha qualquer texto anterior ao primeiro marcador no primeiro turno, em vez de o descartar.
Os carimbos temporais ao nível da palavra são opcionais. No pedido ao produtor, ignore_timestamps tem true como predefinição; defini-lo como false pede segmentos com text e tempos start e end em segundos. Um segmento é geralmente uma palavra, ou um carácter ou alguns em chinês e japonês. O texto dos segmentos omite pontuação, marcadores de locutor e indícios de eventos e pode normalizar um valor falado de forma diferente da transcrição completa. Um segmento de palavra pode ter o mesmo tempo start e end. Um array segments vazio pode significar que não foram pedidos carimbos temporais, que não foi encontrada fala ou que os tempos estavam temporariamente indisponíveis. Utilize a transcrição completa para formulação legível e os segmentos para alinhamento, em vez de assumir que ambas as cadeias coincidem carácter a carácter.
A definição diarize tem auto como predefinição. Quando são pedidos carimbos temporais e diarize não é false, Pro também devolve speaker_turns. Cada turno contém a etiqueta de locutor, texto e tempos start/end, preservando pontuação e indícios conservados sem o marcador de locutor dentro do texto. Se os tempos de palavras não estiverem disponíveis, os tempos dos turnos podem ser aproximados e abranger a gravação inteira; turnos adjacentes não são necessariamente contíguos nem isentos de sobreposição. Desativar diarize remove a lista estruturada de turnos, mas mantém os marcadores de locutor no texto completo. Uma contagem conhecida de locutores, ou contagens mínima e máxima, pode orientar a diarização de gravações mais longas na medida do possível. A contagem exata não pode ser combinada com os limites mínimo e máximo, e as indicações de contagem não podem ser utilizadas com diarize desativado.
Os indícios de emoção e eventos vocais aparecem como texto entre parênteses retos, por exemplo [laughter], junto da fala reconhecida. São inferências a partir do áudio, não palavras que um utilizador precise de acrescentar antes da transcrição. A definição tag_audio_events de Pro tem true como predefinição; desativá-la remove estes indícios da transcrição e do texto dos turnos sem alterar os tempos. Não existe um campo separado de emoção nem uma enumeração fixa de emoções. Preserve a transcrição anotada quando a forma como soa uma observação importa e utilize uma versão sem indícios quando o artefacto posterior precisa apenas das palavras pronunciadas.
A língua é detetada automaticamente. Uma indicação opcional ISO 639-1 em minúsculas não força tradução nem altera a transcrição de Pro. Se não for possível determinar a língua, o código de língua devolvido pode refletir a indicação sem a verificar em relação ao áudio. O produtor comunica uma língua, em vez de um inventário de todas as línguas de uma gravação multilingue. Mantenha a formulação original e os metadados de língua juntos ao preparar um arquivo pesquisável, sobretudo quando diferentes partes de uma conversa alternam de língua.
Para legendas, agrupe palavras consecutivas com tempos em entradas SRT ou WebVTT legíveis, em vez de produzir uma legenda por palavra. Separe entradas em torno de pausas e escolha o seu comprimento e tempo de apresentação de acordo com o leitor multimédia e o público. Os limites de turnos de fala podem manter locutores diferentes em entradas separadas. Verifique se o resultado de tempos está vazio e assegure que o fim de cada entrada é posterior ao início. A formatação de legendas, os nomes para etiquetas anónimas de locutor e qualquer resumo posterior são artefactos da aplicação construídos a partir do resultado da transcrição.
Num fluxo prático de gravações, decida antes da transcrição se precisa de uma transcrição simples e legível, turnos de conversa anotados ou legendas com tempos. Mantenha o identificador do áudio com o resultado, conserve o texto completo devolvido quando pontuação e indícios importam e utilize os campos estruturados de tempos para navegação. As capacidades de Pro para gravações longas e vários locutores são distintas do modelo geral Transcribe 1 para gravações curtas; os seus limites e controlos não devem ser tratados como intercambiáveis.
", "aboutText": "Transcribe 1 Pro é o modelo de conversão de fala em texto da Fish Audio para excertos curtos, conversas com vários locutores e gravações longas. Recebe áudio gravado e devolve uma transcrição, com tempos opcionais e turnos de fala estruturados. As suas características distintivas são mudanças de locutor assinaladas no texto e indícios de emoção ou eventos vocais, que preservam mais estrutura conversacional da gravação do que uma sequência simples de palavras.\n\nPara uma entrevista, reunião ou podcast, mantenha a conversa completa num ficheiro, para que locutores que voltam a intervir possam conservar etiquetas consistentes dentro da resposta. Um artefacto útil de revisão é uma transcrição ligada à gravação original, com turnos apresentados separadamente e um carimbo temporal disponível para verificar uma citação. Um resumo ou lista de ações é uma etapa posterior da aplicação: mantenha-o separado da transcrição para que a fonte falada continue disponível para comparação.\n\nO produtor aceita gravações de até 60 minutos e descreve o processamento de ficheiros longos com áudio comprimido, como MP3, Opus ou AAC. Os formatos suportados incluem WAV, MP3, AAC em M4A ou MP4, FLAC, Ogg com Opus ou Vorbis, WebM/Matroska e MOV. Para um ficheiro de vídeo, utiliza a primeira faixa de áudio. AIFF, CAF, WMA, AMR, AC-3 e PCM bruto sem cabeçalho não são suportados. É fornecido um ficheiro de áudio por pedido; o resultado chega após a transcrição da gravação inteira, e uma gravação longa pode demorar vários minutos. Excertos com menos de cerca de 0,08 segundos são rejeitados.\n\nA resposta do produtor contém o texto completo, a duração da gravação em segundos e um array segments. Pro assinala mudanças de locutor dentro do texto com etiquetas como <|speaker:0|> e <|speaker:1|>; uma etiqueta aplica-se ao texto seguinte até ao próximo marcador. Estes são identificadores dentro de uma resposta, não nomes ou identidades verificados que possam ser associados entre pedidos. Se a transcrição não tiver marcador de locutor, o guia trata-a como resultado de um único locutor. Mantenha qualquer texto anterior ao primeiro marcador no primeiro turno, em vez de o descartar.\n\nOs carimbos temporais ao nível da palavra são opcionais. No pedido ao produtor, ignore_timestamps tem true como predefinição; defini-lo como false pede segmentos com text e tempos start e end em segundos. Um segmento é geralmente uma palavra, ou um carácter ou alguns em chinês e japonês. O texto dos segmentos omite pontuação, marcadores de locutor e indícios de eventos e pode normalizar um valor falado de forma diferente da transcrição completa. Um segmento de palavra pode ter o mesmo tempo start e end. Um array segments vazio pode significar que não foram pedidos carimbos temporais, que não foi encontrada fala ou que os tempos estavam temporariamente indisponíveis. Utilize a transcrição completa para formulação legível e os segmentos para alinhamento, em vez de assumir que ambas as cadeias coincidem carácter a carácter.\n\nA definição diarize tem auto como predefinição. Quando são pedidos carimbos temporais e diarize não é false, Pro também devolve speaker_turns. Cada turno contém a etiqueta de locutor, texto e tempos start/end, preservando pontuação e indícios conservados sem o marcador de locutor dentro do texto. Se os tempos de palavras não estiverem disponíveis, os tempos dos turnos podem ser aproximados e abranger a gravação inteira; turnos adjacentes não são necessariamente contíguos nem isentos de sobreposição. Desativar diarize remove a lista estruturada de turnos, mas mantém os marcadores de locutor no texto completo. Uma contagem conhecida de locutores, ou contagens mínima e máxima, pode orientar a diarização de gravações mais longas na medida do possível. A contagem exata não pode ser combinada com os limites mínimo e máximo, e as indicações de contagem não podem ser utilizadas com diarize desativado.\n\nOs indícios de emoção e eventos vocais aparecem como texto entre parênteses retos, por exemplo [laughter], junto da fala reconhecida. São inferências a partir do áudio, não palavras que um utilizador precise de acrescentar antes da transcrição. A definição tag_audio_events de Pro tem true como predefinição; desativá-la remove estes indícios da transcrição e do texto dos turnos sem alterar os tempos. Não existe um campo separado de emoção nem uma enumeração fixa de emoções. Preserve a transcrição anotada quando a forma como soa uma observação importa e utilize uma versão sem indícios quando o artefacto posterior precisa apenas das palavras pronunciadas.\n\nA língua é detetada automaticamente. Uma indicação opcional ISO 639-1 em minúsculas não força tradução nem altera a transcrição de Pro. Se não for possível determinar a língua, o código de língua devolvido pode refletir a indicação sem a verificar em relação ao áudio. O produtor comunica uma língua, em vez de um inventário de todas as línguas de uma gravação multilingue. Mantenha a formulação original e os metadados de língua juntos ao preparar um arquivo pesquisável, sobretudo quando diferentes partes de uma conversa alternam de língua.\n\nPara legendas, agrupe palavras consecutivas com tempos em entradas SRT ou WebVTT legíveis, em vez de produzir uma legenda por palavra. Separe entradas em torno de pausas e escolha o seu comprimento e tempo de apresentação de acordo com o leitor multimédia e o público. Os limites de turnos de fala podem manter locutores diferentes em entradas separadas. Verifique se o resultado de tempos está vazio e assegure que o fim de cada entrada é posterior ao início. A formatação de legendas, os nomes para etiquetas anónimas de locutor e qualquer resumo posterior são artefactos da aplicação construídos a partir do resultado da transcrição.\n\nNum fluxo prático de gravações, decida antes da transcrição se precisa de uma transcrição simples e legível, turnos de conversa anotados ou legendas com tempos. Mantenha o identificador do áudio com o resultado, conserve o texto completo devolvido quando pontuação e indícios importam e utilize os campos estruturados de tempos para navegação. As capacidades de Pro para gravações longas e vários locutores são distintas do modelo geral Transcribe 1 para gravações curtas; os seus limites e controlos não devem ser tratados como intercambiáveis.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "770482766082d5481550fdf6b76fd03683268269ae2432f698a6ca244ea9e434", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "fish-audio/transcribe-1-proTranscribe 1 Pro transforma gravações de até 60 minutos em texto com marcadores de locutor e tempos opcionais ao nível da palavra. Preserva indícios inferidos de emoção e eventos vocais, facilitando a revisão, pesquisa ou preparação de legendas de entrevistas, reuniões e podcasts.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Transcribe 1 Pro é o modelo de conversão de fala em texto da Fish Audio para excertos curtos, conversas com vários locutores e gravações longas. Recebe áudio gravado e devolve uma transcrição, com tempos opcionais e turnos de fala estruturados. As suas características distintivas são mudanças de locutor assinaladas no texto e indícios de emoção ou eventos vocais, que preservam mais estrutura conversacional da gravação do que uma sequência simples de palavras.
Para uma entrevista, reunião ou podcast, mantenha a conversa completa num ficheiro, para que locutores que voltam a intervir possam conservar etiquetas consistentes dentro da resposta. Um artefacto útil de revisão é uma transcrição ligada à gravação original, com turnos apresentados separadamente e um carimbo temporal disponível para verificar uma citação. Um resumo ou lista de ações é uma etapa posterior da aplicação: mantenha-o separado da transcrição para que a fonte falada continue disponível para comparação.
O produtor aceita gravações de até 60 minutos e descreve o processamento de ficheiros longos com áudio comprimido, como MP3, Opus ou AAC. Os formatos suportados incluem WAV, MP3, AAC em M4A ou MP4, FLAC, Ogg com Opus ou Vorbis, WebM/Matroska e MOV. Para um ficheiro de vídeo, utiliza a primeira faixa de áudio. AIFF, CAF, WMA, AMR, AC-3 e PCM bruto sem cabeçalho não são suportados. É fornecido um ficheiro de áudio por pedido; o resultado chega após a transcrição da gravação inteira, e uma gravação longa pode demorar vários minutos. Excertos com menos de cerca de 0,08 segundos são rejeitados.
A resposta do produtor contém o texto completo, a duração da gravação em segundos e um array segments. Pro assinala mudanças de locutor dentro do texto com etiquetas como <|speaker:0|> e <|speaker:1|>; uma etiqueta aplica-se ao texto seguinte até ao próximo marcador. Estes são identificadores dentro de uma resposta, não nomes ou identidades verificados que possam ser associados entre pedidos. Se a transcrição não tiver marcador de locutor, o guia trata-a como resultado de um único locutor. Mantenha qualquer texto anterior ao primeiro marcador no primeiro turno, em vez de o descartar.
Os carimbos temporais ao nível da palavra são opcionais. No pedido ao produtor, ignore_timestamps tem true como predefinição; defini-lo como false pede segmentos com text e tempos start e end em segundos. Um segmento é geralmente uma palavra, ou um carácter ou alguns em chinês e japonês. O texto dos segmentos omite pontuação, marcadores de locutor e indícios de eventos e pode normalizar um valor falado de forma diferente da transcrição completa. Um segmento de palavra pode ter o mesmo tempo start e end. Um array segments vazio pode significar que não foram pedidos carimbos temporais, que não foi encontrada fala ou que os tempos estavam temporariamente indisponíveis. Utilize a transcrição completa para formulação legível e os segmentos para alinhamento, em vez de assumir que ambas as cadeias coincidem carácter a carácter.
A definição diarize tem auto como predefinição. Quando são pedidos carimbos temporais e diarize não é false, Pro também devolve speaker_turns. Cada turno contém a etiqueta de locutor, texto e tempos start/end, preservando pontuação e indícios conservados sem o marcador de locutor dentro do texto. Se os tempos de palavras não estiverem disponíveis, os tempos dos turnos podem ser aproximados e abranger a gravação inteira; turnos adjacentes não são necessariamente contíguos nem isentos de sobreposição. Desativar diarize remove a lista estruturada de turnos, mas mantém os marcadores de locutor no texto completo. Uma contagem conhecida de locutores, ou contagens mínima e máxima, pode orientar a diarização de gravações mais longas na medida do possível. A contagem exata não pode ser combinada com os limites mínimo e máximo, e as indicações de contagem não podem ser utilizadas com diarize desativado.
Os indícios de emoção e eventos vocais aparecem como texto entre parênteses retos, por exemplo [laughter], junto da fala reconhecida. São inferências a partir do áudio, não palavras que um utilizador precise de acrescentar antes da transcrição. A definição tag_audio_events de Pro tem true como predefinição; desativá-la remove estes indícios da transcrição e do texto dos turnos sem alterar os tempos. Não existe um campo separado de emoção nem uma enumeração fixa de emoções. Preserve a transcrição anotada quando a forma como soa uma observação importa e utilize uma versão sem indícios quando o artefacto posterior precisa apenas das palavras pronunciadas.
A língua é detetada automaticamente. Uma indicação opcional ISO 639-1 em minúsculas não força tradução nem altera a transcrição de Pro. Se não for possível determinar a língua, o código de língua devolvido pode refletir a indicação sem a verificar em relação ao áudio. O produtor comunica uma língua, em vez de um inventário de todas as línguas de uma gravação multilingue. Mantenha a formulação original e os metadados de língua juntos ao preparar um arquivo pesquisável, sobretudo quando diferentes partes de uma conversa alternam de língua.
Para legendas, agrupe palavras consecutivas com tempos em entradas SRT ou WebVTT legíveis, em vez de produzir uma legenda por palavra. Separe entradas em torno de pausas e escolha o seu comprimento e tempo de apresentação de acordo com o leitor multimédia e o público. Os limites de turnos de fala podem manter locutores diferentes em entradas separadas. Verifique se o resultado de tempos está vazio e assegure que o fim de cada entrada é posterior ao início. A formatação de legendas, os nomes para etiquetas anónimas de locutor e qualquer resumo posterior são artefactos da aplicação construídos a partir do resultado da transcrição.
Num fluxo prático de gravações, decida antes da transcrição se precisa de uma transcrição simples e legível, turnos de conversa anotados ou legendas com tempos. Mantenha o identificador do áudio com o resultado, conserve o texto completo devolvido quando pontuação e indícios importam e utilize os campos estruturados de tempos para navegação. As capacidades de Pro para gravações longas e vários locutores são distintas do modelo geral Transcribe 1 para gravações curtas; os seus limites e controlos não devem ser tratados como intercambiáveis.
POST /v1/audio/transcriptionsaudiotext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites fish-audio/transcribe-1-pro | Predefinição— |
Campoinput_audio | Tipoobject | RequisitoObrigatório | Valores e limites Chaves exatas: data, format | Predefinição— |
Campoinput_audio.data | Tipobase64_string | RequisitoObrigatório | Valores e limites Número máximo de bytes descodificados: 26 214 400 Base64 estrito: Sim | Predefinição— |
Campoinput_audio.format | Tipostring | RequisitoObrigatório | Valores e limites Condições: Tem de coincidir com o formato efetivamente detetado na análise do ficheiro | Predefinição— |
Camporesponse_format | Tipostring | RequisitoOpcional | Valores e limites json | Predefinição— |
speech_to_text · Obrigatório: input_audio.data, input_audio.format
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, input_audio |
Parâmetroadditional_properties | Contratofalse |
Parâmetroparameters | Contrato{"name":"model","type":"string","required":true,"enum":["fish-audio/transcribe-1-pro"]}, {"name":"input_audio","type":"object","required":true,"exact_keys":["data","format"],"data":"base64 estrito dos bytes reais de áudio suportado","format":"formato exato detetado na análise do ficheiro; tem de corresponder aos bytes reais"}, {"name":"response_format","type":"string","required":false,"enum":["json"]} |
Parâmetromax_audio_bytes | Contrato26214400 |
Parâmetromultipart_for_this_profile | Contratofalse |
Parâmetromaterial_types | Contratoaudio |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id efetivamente devolvido ou registo na biblioteca de multimédia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Conserve a resposta completa e os IDs originais devolvidos.
Nunca volte a enviar uma criação de resultado desconhecido.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Unidade de faturação | Custo |
|---|---|---|---|
| ConfiguraçãoTarifas base por token | Tabela de tarifasTarifa base | Unidade de faturação— | Custo Entrada · Tokens de entrada — / 1K tokens Saída · Tokens de saída — / 1K tokens Entrada · Leitura da cache — / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| Configuraçãosegundo de áudio de entrada | Tabela de tarifas— | Unidade de faturaçãopor segundo de áudio de entrada | Custo Entrada · segundo de áudio de entrada $0.0002 por segundo de áudio de entrada |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
As tabelas de referência do modelo não alteram a seleção do método, as cotações ou os custos. Os custos ativos usam as tarifas do método Ailoot selecionado.
| Configuração | Condições de faturação | Custo |
|---|---|---|
| ConfiguraçãoFish Audio: Transcribe 1 Pro · Configuração predefinida | Condições de faturaçãoConfiguração predefinida | Custo Entrada · Segundos de áudio de entrada 0,0002 US$ por segundo de áudio de entrada |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set your actual audio file}"\n: "${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}"\nexport AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "fish-audio/transcribe-1-pro", "response_format": "json"}')\nimport base64\nf=Path(os.environ['AILOOT_AUDIO_FILE'])\nraw=f.read_bytes()\nif not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB')\nfmt=os.environ['AILOOT_AUDIO_FORMAT'].strip()\nif not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes')\np['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt}\nPath('request.json').write_text(json.dumps(p,ensure_ascii=False))\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 result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path('result.json').read_text())\nprint(json.dumps(r,ensure_ascii=False,indent=2))\nprint('Keep the complete JSON and response headers; do not resubmit an unknown creation.')\nPY_RESULT\njson
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve o JSON completo, os cabeçalhos da resposta, o texto e todos os campos reais de utilização devolvidos. Utilize as identidades reais de tarefa/recurso da resposta ou da biblioteca pertencente ao utilizador; operation_id não é task_id.
Conserve o operation_id/X-Client-Request-ID original para reconciliação sem voltar a enviar o pedido; não existe uma rota dedicada à consulta periódica do estado do áudio.
| Campo | Tipo | Significado |
|---|---|---|
Campotext | Tipostring | SignificadoTexto transcrito. |
Campousage | Tipoobject | SignificadoUtilização de áudio. |
Campousage.seconds | Tiponumber | SignificadoDuração do áudio em segundos. |
Campoduration | Tiponumber | SignificadoDuração do áudio em segundos. |
Campotask_id | Tipostring | SignificadoID da tarefa de transcrição; devolvido com asset_url quando uma transcrição não vazia é armazenada, publicada e recebe um URL assinado para o conteúdo. |
Campoasset_url | Tipostring | SignificadoURL assinado do conteúdo da transcrição; devolvido com task_id quando uma transcrição não vazia é armazenada, publicada e recebe um URL assinado para o conteúdo. |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Respostaserver_error | CondiçãoA resposta devolvida indica que a operação ou o resultado requer verificação | Passo seguinteGuarde o ID original da operação/tarefa devolvido, os cabeçalhos do pedido e a resposta; continue a consultar essa operação original através das consultas suportadas. Não volte a enviar o pedido de criação. |
Ailoot Ultra fish-audio/transcribe-1-pro
Use os caminhos dos métodos indicados acima.