Source: https://ailoot.ai/models/ru/meta-muse-voice-transcribe-1-0/ Canonical: https://ailoot.ai/models/ru/meta-muse-voice-transcribe-1-0/ Language: ru # Meta: Muse Voice Transcribe 1.0 [Markdown](https://ailoot.ai/models/ru/meta-muse-voice-transcribe-1-0/index.md) · [JSON](https://ailoot.ai/models/ru/meta-muse-voice-transcribe-1-0/facts.json) ## [Meta: Muse Voice Transcribe 1.0](https://ailoot.ai/models/ru/meta-muse-voice-transcribe-1-0/) Muse Voice Transcribe 1.0 — модель Meta для преобразования речи в текст: диктовки, определения речевых реплик и расшифровок с разделением по говорящим. Она поддерживает подсказки о языке и словаре, переключение языков и временные отметки на уровне реплик. Для готовой записи и живого аудио предусмотрены отдельные сценарии. - [**Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/ru/meta-muse-voice-transcribe-1-0/#method-0) О модели Описание раскрывает возможности модели. Доступные в Ailoot входные данные, результаты и параметры выбранного метода перечислены ниже. Muse Voice Transcribe 1.0 — модель восприятия аудио от Meta для расшифровки речи, определения границ высказываний и отнесения реплик к говорящим. Она входит в семейство Muse Spark и объединяет распознавание, диаризацию и определение конца реплики внутри модели. Результат — распознанный текст с временными отметками и сведениями о говорящих, доступными в выбранном режиме. Модель обрабатывает аудио фрагментами по 80 миллисекунд и решает, продолжать ли слушать или выдать текст. Адаптивная задержка позволяет дождаться дополнительного аудио, если слово трудно определить. По мере поступления речи формируется промежуточный текст, затем — завершённые результаты расшифровки. Рассматривайте промежуточную гипотезу и завершённую реплику как разные этапы прослушивания. Выберите один из трёх режимов. Push-to-talk используется по умолчанию для одного управляемого высказывания, например голосового запроса или короткой диктовки. В режиме endpointing модель определяет границы речевых реплик и возвращает одну завершённую расшифровку для каждого обнаруженного сегмента. Диаризация относит распознанную речь к меткам говорящих и предназначена для записей с несколькими участниками, а не для самого быстрого обмена голосовыми командами. Для готовой записи сценарий расшифровки файла возвращает полный текст за один запрос. По умолчанию результат представляет собой JSON с расшифровкой и длительностью аудио; в режимах endpointing и диаризации он содержит массив turns. Каждая реплика может включать идентификатор, начало и конец в миллисекундах и распознанный текст. Метки говорящих присутствуют в режиме диаризации. Push-to-talk выдаёт полную расшифровку без обнаруженных реплик в этом массиве. Интерфейс производителя для готовых файлов также может возвращать обычный текст или поток событий расшифровки. В обычном тексте обнаруженные реплики располагаются на отдельных строках и могут содержать метки говорящих; поток событий завершается после последнего события без отдельного итогового JSON. Режим промежуточных результатов delta возвращает приращения текста, а итоговое событие расшифровки содержит полную формулировку. Подготовьте файл RIFF/WAVE с монофоническим 16-битным целочисленным PCM-аудио с частотой 16 или 24 кГц. Собственная частота модели — 24 кГц, интерфейс также принимает 16 кГц. Перед отправкой преобразуйте другие контейнеры или кодировки в поддерживаемый формат WAV. Сценарий расшифровки файла допускает аудио до 10 минут и общий размер тела запроса до 32 МБ. Сохраняйте связь исходной записи и её преобразований с полученной расшифровкой для последующей проверки прослушиванием. Для живого аудио используется поток монофонического PCM без контейнера, с 16-битными знаковыми отсчётами в порядке little-endian, частотой 16 или 24 кГц и подачей примерно в реальном времени. Документированное окно сеанса — 60 минут. Meta описывает поддержку моделью аудиоввода длительностью более часа; документированные ограничения файла и живого сеанса при этом остаются отдельными границами интерфейсов. Выбирайте файловый или живой сценарий в зависимости от того, завершена ли запись или ещё ведётся, и связывайте результаты разных сеансов с соответствующими входными сегментами. Muse Voice Transcribe обучена более чем на 70 языках, при этом документированный интерфейс распознавания перечисляет 25 поддерживаемых языков. Среди них английский, французский, немецкий, испанский, арабский, китайский путунхуа, хинди, японский, корейский, итальянский и португальский. Модель распознаёт переключение языков внутри предложений и между ними. Языковая подсказка может перечислить ожидаемые в аудио языки, но она направляет распознавание, а не заставляет выдавать всю расшифровку на одном языке. Словарные подсказки помогают с терминами продукта, аббревиатурами, именами или названиями мест, важными для записи. Передайте реальные слова и варианты написания, которые ожидаете услышать. Список ключевых слов влияет на распознавание, но не гарантирует точного написания, поэтому сверяйте значимые термины с аудио. Языковые подсказки и ключевые слова выбираются в начале расшифровки; задавайте их под конкретную запись, не меняя их смысл во время сеанса. Модель поддерживает диаризацию разговоров с более чем 20 говорящими. Метки вроде A и B обозначают говорящих в пределах одной расшифровки. Это не проверенные имена; метка также не подтверждает, что в другом сеансе обозначен тот же человек. Для задачи анализа исходной встречи запросите реплики с метками говорящих, сохраните запись и используйте метки для организации обсуждения, прежде чем сопоставлять реальные имена участников средствами окружающего рабочего процесса. Промежуточные расшифровки живой речи могут меняться по мере поступления аудио. В накопительном режиме каждый промежуточный результат заменяет предыдущую гипотезу, а не добавляет ещё одну её копию. Обнаруженный конец речи отмечает границу, а результат завершённой реплики даёт окончательный текст, который может отличаться от последнего промежуточного. Сохраняйте связь перекрывающихся реплик с их идентификаторами и обработайте завершённые результаты, прежде чем считать расшифровку законченной. Когда живой ввод заканчивается, передайте сигнал окончания ввода и продолжайте принимать данные, пока источник потока не завершит выдачу ожидающих результатов. Немедленное закрытие соединения может привести к их потере; обнаруженная речевая граница завершает реплику, а не весь сеанс. Временные отметки задаются на уровне реплик. Этот вариант не выдаёт отметок отдельных слов или оценок уверенности; ход обработки аудио не является временной отметкой конкретного слова. Обнаружение звуковых событий, определение эмоций и переформатирование расшифровки также не входят в документированный состав вывода. Используйте возвращённые интервалы реплик для временной шкалы говорящих или проверки сегментов и сохраняйте распознанные слова, если отдельный этап редактирования позже создаёт более аккуратные заметки. Полезные результаты — завершённая диктовка, расшифровка голосового запроса, разговор с разделением по говорящим или временная шкала высказываний. Сверяйте имена, числа и технические термины с исходной записью, сохраняйте связи с режимом и временными отметками и оставляйте полные реплики доступными для проверки. Расшифровка устанавливает, что распознано в аудио; ответ на произнесённый вопрос, его перевод или преобразование в протокол встречи относятся к последующему этапу приложения. **Ailoot Ultra · Распознавание речи** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0` [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/ru/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) Meta /`meta/muse-voice-transcribe-1.0` ### Начало Muse Voice Transcribe 1.0 — модель Meta для преобразования речи в текст: диктовки, определения речевых реплик и расшифровок с разделением по говорящим. Она поддерживает подсказки о языке и словаре, переключение языков и временные отметки на уровне реплик. Для готовой записи и живого аудио предусмотрены отдельные сценарии. 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` | Поле | Тип | Требование | Значения и ограничения | По умолчанию | | --- | --- | --- | --- | --- | | Поле`model` | Тип`string` | ТребованиеОбязательно | Значения и ограничения meta/muse-voice-transcribe-1.0 | По умолчанию— | | Поле`input_audio` | Тип`object` | ТребованиеОбязательно | Значения и ограничения | По умолчанию— | Параметры и жизненный цикл метода | Параметр | Контракт | | --- | --- | | Параметр`content_type` | Контрактapplication/json | | Параметр`required` | Контрактmodel, input\_audio | | Параметр`material_types` | Контрактaudio | | Параметр`material_conditions` | КонтрактПример читает ваш реальный непустой файл PCM WAV, кодирует все байты файла в base64 и передаёт wav в input\_audio.format. | Жизненный цикл: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · точный task\_id из существующей записи медиаресурса, принадлежащего Ailoot `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### 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 **$0.0001** за секунду входного аудио | Ailoot резервирует расчётную сумму перед запросом. После получения результата списывает итоговую плату по измеренному расходу. Для окончательного списания за потоковый ответ используется итоговая запись расхода. [Как работают резервирование и расчёт →](https://ailoot.ai/docs/ru/billing/reserve/) ### Примеры запросов #### Ailoot Ultra · Распознавание речи curl · реальный файл WAV и полный исходный результат ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}" export AILOOT_AUDIO_FILE python3 - <<'PY_REQUEST' import base64, io, json, os, wave from pathlib import Path audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes() if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'): raise SystemExit('Supply your actual PCM WAV audio file') with wave.open(io.BytesIO(audio), 'rb') as recording: if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0: raise SystemExit('Supply a nonempty PCM WAV recording') request = {'model': 'meta/muse-voice-transcribe-1.0', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}} Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8') 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 response.bin # Retain the complete original response, headers and actual X-Client-Request-ID. # Read existing owned records for recovery; do not resubmit an uncertain operation. ``` ### Получить и сохранить результаты #### Ailoot Ultra · Распознавание речи Полное исходное тело ответа, статус и переданные заголовки. Этот обработчик не добавляет универсальную структуру JSON, текстовое поле или оболочку задачи. - `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. Сохраняйте полный ответ и заголовки, все фактические результаты, исходные возвращённые идентификаторы и все поля использования. Восстанавливайте исходную операцию без повторной отправки запроса создания. ##### Если нужно проверить исходный ответ Сохраните фактический X-Client-Request-ID и полный ответ. Читайте исходные ресурсы, принадлежащие Ailoot, по их точным подписанным URL содержимого; никогда не повторяйте создание с неопределённым исходом. Поля ответа | Поле | Тип | | --- | --- | | Поле`text (when present)` | Тип | | Поле`usage (when present)` | Тип | Ошибки и дальнейшие шаги | Ответ | Условие | Следующий шаг | | --- | --- | --- | | Ответ400 · `invalid_request_error` | УсловиеТело JSON или явно указанный канонический ID модели недопустимы. | Следующий шагСохраните ответ и исправьте указанное поле запроса. | | Ответ401 · `authentication_error` | УсловиеНедействительный ключ Ailoot API. | Следующий шагИспользуйте ваш авторизованный ключ Ailoot API. | | Ответ403 · `permission_error` | УсловиеГруппа ключа не допускает этот метод. | Следующий шагСохраните возвращённые подробности ошибки. | | Ответ404 · `not_found_error` | УсловиеУ выбранного метода нет допущенного маршрута. | Следующий шагСохраните возвращённые подробности ошибки. | | Ответ422 · `price_unavailable` | УсловиеДля принятого тарифа невозможно определить требуемое количество входных данных или его границу. | Следующий шагСохраните ответ; используйте представление входных данных, требуемое принятым тарифом. | | Ответ503 · `` | УсловиеТребуемое хранилище, маршрут, цена метода или резервирование недоступны. | Следующий шагСохраните полный исходный ответ. Неопределённость резервирования не разрешает повторную отправку. | | Ответ502 · `server_error` | УсловиеИсходный результат, использование или окончательный расчёт требуют проверки. | Следующий шагСохраните фактический ID запроса и исходный ответ. Читайте существующую запись ресурса, принадлежащего Ailoot; не повторяйте создание. | ### Псевдонимы #### Псевдонимы моделей **Ailoot Ultra** [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/ru/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) #### Псевдонимы путей метода Используйте пути методов, указанные выше. #### Связанные ID для вызова [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/ru/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) FAQ · Meta: Muse Voice Transcribe 1.0 Какие входные данные и результаты доступны? `POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `audio` → `text` Какие поля использует запрос? `POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `model`, `input_audio` 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.