Source: https://ailoot.ai/models/ru/fish-audio-transcribe-1-pro/ Canonical: https://ailoot.ai/models/ru/fish-audio-transcribe-1-pro/ Language: ru # Fish Audio: Transcribe 1 Pro [Markdown](https://ailoot.ai/models/ru/fish-audio-transcribe-1-pro/index.md) · [JSON](https://ailoot.ai/models/ru/fish-audio-transcribe-1-pro/facts.json) ## [Fish Audio: Transcribe 1 Pro](https://ailoot.ai/models/ru/fish-audio-transcribe-1-pro/) Transcribe 1 Pro превращает записи длительностью до 60 минут в текст с метками говорящих и необязательными временными метками слов. Сохраняет метки предполагаемых эмоций и голосовых событий, упрощая проверку интервью, встреч и подкастов, поиск по ним и подготовку субтитров. - [**Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro`](https://ailoot.ai/models/ru/fish-audio-transcribe-1-pro/#method-0) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. Transcribe 1 Pro — модель преобразования речи в текст от Fish Audio для коротких клипов, разговоров нескольких говорящих и длинных записей. Она принимает записанный звук и возвращает расшифровку с необязательным таймингом и структурированными репликами говорящих. Её отличительные особенности — смены говорящих, отмеченные в тексте, и метки эмоций или голосовых событий, сохраняющие больше разговорной структуры записи, чем обычная последовательность слов. Для интервью, встречи или подкаста храните весь разговор в одном файле, чтобы вновь вступающие говорящие могли сохранять одинаковые метки внутри ответа. Полезный материал для проверки — расшифровка, связанная с исходной записью, с отдельно показанными репликами и доступной временной меткой для проверки цитаты. Резюме или список действий — последующий шаг приложения: храните их отдельно от расшифровки, чтобы произнесённый источник оставался доступным для сравнения. Производитель принимает записи до 60 минут и описывает обработку длинных файлов со сжатым звуком, например MP3, Opus или AAC. Поддерживаемые форматы включают WAV, MP3, AAC в M4A или MP4, FLAC, Ogg с Opus или Vorbis, WebM/Matroska и MOV. Для видеофайла используется первая звуковая дорожка. AIFF, CAF, WMA, AMR, AC-3 и необработанный PCM без заголовка не поддерживаются. На запрос передаётся один аудиофайл; результат приходит после расшифровки всей записи, а обработка длинной записи может занять несколько минут. Клипы короче примерно 0,08 секунды отклоняются. Ответ производителя содержит полный текст, длительность записи в секундах и массив segments. Pro отмечает смены говорящих внутри текста метками, например \<|speaker:0|\> и \<|speaker:1|\>; метка относится к следующему за ней тексту до очередной метки. Это идентификаторы внутри одного ответа, а не проверенные имена или личности, которые можно сопоставлять между запросами. Если в расшифровке нет метки говорящего, руководство считает её результатом с одним говорящим. Сохраняйте текст до первой метки с первой репликой, а не отбрасывайте его. Временные метки слов необязательны. В запросе производителя ignore\_timestamps по умолчанию равен true; значение false запрашивает сегменты с текстом, временем начала и окончания в секундах. Сегмент обычно соответствует слову либо одному или нескольким символам в китайском и японском. Текст сегмента не содержит пунктуации, меток говорящих и событий и может нормализовать произнесённое значение иначе, чем полная расшифровка. У сегмента слова могут совпадать время начала и окончания. Пустой массив segments может означать, что временные метки не запрашивались, речь не найдена или тайминг был временно недоступен. Используйте полную расшифровку для читаемого текста, а сегменты — для выравнивания, не предполагая посимвольного совпадения двух строк. Настройка diarize по умолчанию равна auto. Если запрошены временные метки и diarize не равен false, Pro также возвращает speaker\_turns. Каждая реплика содержит метку говорящего, текст и время начала/окончания, сохраняя пунктуацию и оставленные метки событий без встроенной метки говорящего. Если тайминг слов недоступен, время реплик может быть приблизительным и охватывать всю запись; соседние реплики могут идти с промежутками или перекрываться. Отключение diarize удаляет структурированный список реплик, но оставляет метки говорящих в полном тексте. Известное число говорящих либо минимальное и максимальное число могут по возможности направлять диаризацию длинной записи. Точное число нельзя совмещать с границами числа, а подсказки о числе нельзя использовать при отключённом diarize. Метки эмоций и голосовых событий появляются как текст в квадратных скобках, например \[laughter\], рядом с распознанной речью. Это выводы по аудио, а не слова, которые пользователь должен добавить перед расшифровкой. Настройка tag\_audio\_events в Pro по умолчанию равна true; отключение удаляет эти метки из расшифровки и текста реплик, не меняя тайминг. Отдельного поля эмоции или фиксированного набора эмоций нет. Сохраняйте аннотированную расшифровку, когда важно звучание замечания, и используйте версию без меток, когда последующему результату нужны только произнесённые слова. Язык определяется автоматически. Необязательная подсказка ISO 639-1 в нижнем регистре не принуждает к переводу и не меняет расшифровку Pro. Если язык нельзя определить, возвращённый код языка может отражать подсказку без проверки по аудио. Производитель сообщает один язык, а не перечень всех языков в многоязычной записи. При подготовке архива с поиском храните исходную формулировку вместе с языковыми метаданными, особенно когда разные части разговора переключаются между языками. Для субтитров группируйте последовательные слова с таймингом в читаемые блоки SRT или WebVTT вместо одного субтитра на слово. Разделяйте блоки около пауз и выбирайте их длину и время показа с учётом проигрывателя и аудитории. Границы реплик могут сохранять разных говорящих в отдельных блоках. Проверяйте пустой результат тайминга и блоки, у которых окончание должно быть позже начала. Форматирование субтитров, имена для анонимных меток говорящих и последующее резюме — материалы приложения, построенные из результата расшифровки. Для практического процесса работы с записью заранее решите, нужна ли обычная читаемая расшифровка, аннотированные реплики разговора или субтитры с таймингом. Храните идентификатор аудио вместе с результатом, сохраняйте возвращённый полный текст, когда важны пунктуация и метки событий, и используйте структурированные временные поля для навигации. Возможности Pro для длинных записей и нескольких говорящих отличаются от общей модели Transcribe 1 для коротких записей; их лимиты и настройки не следует считать взаимозаменяемыми. **Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro` [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/ru/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) Fish Audio /`fish-audio/transcribe-1-pro` ### Начало Transcribe 1 Pro превращает записи длительностью до 60 минут в текст с метками говорящих и необязательными временными метками слов. Сохраняет метки предполагаемых эмоций и голосовых событий, упрощая проверку интервью, встреч и подкастов, поиск по ним и подготовку субтитров. Допустимые входные данные Аудио Результаты Текст ### Доступно в Ailoot · входные данные и методы **Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` Входные данные `audio` Результат `text` Выходной формат json | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения fish-audio/transcribe-1-pro | По умолчанию— | | Поле`input_audio` | Тип`object` | ТребованиеОбязательно | Значения и ограничения Точные ключи: data, format | По умолчанию— | | Поле`input_audio.data` | Тип`base64_string` | ТребованиеОбязательно | Значения и ограничения Максимум декодированных байтов: 26 214 400 Строгий Base64: Да | По умолчанию— | | Поле`input_audio.format` | Тип`string` | ТребованиеОбязательно | Значения и ограничения Условия: Должен совпадать с форматом, установленным фактической проверкой файла | По умолчанию— | | Поле`response_format` | Тип`string` | ТребованиеНеобязательно | Значения и ограничения json | По умолчанию— | Сочетания входных материалов **speech\_to\_text** · Обязательно: input\_audio.data, input\_audio.format Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input\_audio | | Параметр`additional_properties` | Контрактfalse | | Параметр`parameters` | Контракт{"name":"model","type":"string","required":true,"enum":\["fish-audio/transcribe-1-pro"\]}, {"name":"input\_audio","type":"object","required":true,"exact\_keys":\["data","format"\],"data":"строгое представление base64 фактических байтов поддерживаемого аудио","format":"точный формат, установленный проверкой файла; должен соответствовать фактическим байтам"}, {"name":"response\_format","type":"string","required":false,"enum":\["json"\]} | | Параметр`max_audio_bytes` | Контракт26214400 | | Параметр`multipart_for_this_profile` | Контрактfalse | | Параметр`material_types` | Контрактaudio | Жизненный цикл: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Фактически возвращённый task\_id или запись в медиатеке `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Сохраните полный ответ и исходные возвращённые ID. Никогда не повторяйте создание с неизвестным исходом. ### Тарифы Тарифная справка не добавляет режимы запроса. Поддерживаемые параметры указаны для выбранного метода. Быстрый режим Не указано При выборе быстрого режима Режим flex Не указано При выборе режима flex Максимальная интенсивность рассуждений Не указано При максимальной интенсивности рассуждений с корректировкой по умолчанию (default) #### Ставки Ailoot #### Цены по конфигурациям Сопоставьте каждую плату с указанными условиями. Для каждого набора альтернативных конфигураций используйте одну ставку. | Конфигурация | Шкала ставок | Расчётная единица | Плата | | --- | --- | --- | --- | | КонфигурацияБазовые тарифы на токены | Шкала ставокБазовая ставка | Расчётная единица— | Плата Вход · Входные токены **—** / 1K токенов Выход · Выходные токены **—** / 1K токенов Вход · Чтение кэша **—** / 1K токенов Вход · Запись в кэш **—** / 1K токенов Вход · Запись в кэш, 1 час **—** / 1K токенов | | Конфигурациясекунда входного аудио | Шкала ставок— | Расчётная единицаза секунду входного аудио | Плата Вход · секунда входного аудио **$0.0002** за секунду входного аудио | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) #### Сведения о справочном тарифе Справочные шкалы модели не меняют выбор метода, расчёт стоимости или списания. Действующая плата определяется ставками выбранного метода Ailoot. Fish Audio: Transcribe 1 Pro #### Цены по конфигурациям | Конфигурация | Условия расчёта | Плата | | --- | --- | --- | | КонфигурацияFish Audio: Transcribe 1 Pro · Стандартная конфигурация | Условия расчётаКонфигурация по умолчанию | Плата Вход · Секунды входного аудио **0,0002 $** за секунду входного аудио | ### Примеры запросов #### Ailoot Ultra · Распознавание речи curl · реальные байты аудио и проверенный формат ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set your actual audio file}" : "${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}" export AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "fish-audio/transcribe-1-pro", "response_format": "json"}') import base64 f=Path(os.environ['AILOOT_AUDIO_FILE']) raw=f.read_bytes() if not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB') fmt=os.environ['AILOOT_AUDIO_FORMAT'].strip() if not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes') p['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt} Path('request.json').write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path('result.json').read_text()) print(json.dumps(r,ensure_ascii=False,indent=2)) print('Keep the complete JSON and response headers; do not resubmit an unknown creation.') PY_RESULT ``` ### Получить и сохранить результаты #### Ailoot Ultra · Распознавание речи json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Сохраняйте все готовые результаты Сохраняйте каждый полностью полученный ответ, файл и элемент содержимого. Сохраните полный JSON, заголовки ответа, текст и каждое фактическое возвращённое поле использования. Используйте фактические идентификаторы задач и ресурсов из ответа или библиотеки собственных ресурсов; operation\_id не является task\_id. ##### Если нужно проверить исходный ответ Сохраняйте исходный operation\_id/X-Client-Request-ID для сверки без повторной отправки; отдельного маршрута опроса аудио нет. Поля ответа | Поле | Тип | Значение | | --- | --- | --- | | Поле`text` | Типstring | ЗначениеРаспознанный текст. | | Поле`usage` | Типobject | ЗначениеИспользование аудио. | | Поле`usage.seconds` | Типnumber | ЗначениеДлительность аудио в секундах. | | Поле`duration` | Типnumber | ЗначениеДлительность аудио в секундах. | | Поле`task_id` | Типstring | ЗначениеID задачи распознавания; возвращается вместе с asset\_url, когда непустая расшифровка сохранена, опубликована и получила подписанный URL содержимого. | | Поле`asset_url` | Типstring | ЗначениеПодписанный URL содержимого расшифровки; возвращается вместе с task\_id, когда непустая расшифровка сохранена, опубликована и получила подписанный URL содержимого. | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеНеверные обязательные поля, представление материалов или значение параметра | Следующий шагИсправьте указанные поля перед новым запросом на создание. | | Ответ`server_error` | УсловиеВозвращённый ответ указывает, что операция или результат требуют проверки | Следующий шагСохраните исходный возвращённый ID операции или задачи, заголовки запроса и ответ; продолжайте поддерживаемые операции чтения исходной операции. Не отправляйте запрос создания повторно. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/ru/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/ru/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) FAQ · Fish Audio: Transcribe 1 Pro Какие входные данные и результаты доступны? `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `audio` → `text` Какие поля использует запрос? `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `model`, `input_audio`, `response_format` Подключите Ailoot к Claude Code, OpenCode, Hermes или своему приложению. ## Компания и портфель её проектов Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. ## Покупайте токены со скидкой. Скидка по подписке для регулярной работы. Промокоды — до 50% на покупку токенов. Подписка Выберите тариф со скидкой для своих регулярных запросов. Промокод до 50% Введите код при покупке. Цена пересчитается с учётом действующей акции. Расходы в истории Модель, токены и сумма сохраняются для каждого запроса. [Выбрать подписку](https://ailoot.ai/docs/ru/billing/subscriptions/) · [Посмотреть цены моделей](https://ailoot.ai/models/ru/) ## Подключайте API к продукту, который вы продаёте. SaaS, приложения и боты — по оферте и лицензионному договору Ailoot. Для перепродажи запросите реселлерскую лицензию. Коммерческое приложение Встраивайте генерацию текста, картинок, видео и звука в платные функции своего сервиса. Лицензия для реселлера Пришлите описание проекта и схему доступа. Запросите письменные условия использования и перепродажи. Документы на сайте Оферта, лицензионный договор и политика обработки данных доступны до подключения. [Запросить реселлерскую лицензию](mailto:support@ailoot.ai) · [Оферта и лицензионный договор](https://ailoot.ai/legal/offer?lang=ru) ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.