Source: https://ailoot.ai/models/sk/meta-muse-voice-transcribe-1-0/ Canonical: https://ailoot.ai/models/sk/meta-muse-voice-transcribe-1-0/ Language: sk # Meta: Muse Voice Transcribe 1.0 [Markdown](https://ailoot.ai/models/sk/meta-muse-voice-transcribe-1-0/index.md) · [JSON](https://ailoot.ai/models/sk/meta-muse-voice-transcribe-1-0/facts.json) ## [Meta: Muse Voice Transcribe 1.0](https://ailoot.ai/models/sk/meta-muse-voice-transcribe-1-0/) Muse Voice Transcribe 1.0 je model spoločnosti Meta na prevod reči na text pre diktovanie, detegované repliky a prepisy s rozlíšením hovoriacich. Podporuje jazykové a slovníkové nápovedy, prepínanie jazykov a časové údaje na úrovni replík, so samostatnými postupmi pre nahratý klip a živý zvuk. - [**Ailoot Ultra · Prepis zvuku** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/sk/meta-muse-voice-transcribe-1-0/#method-0) O modeli Tento opis pokrýva možnosti modelu. Dostupné vstupy, výstupy a voľby v Ailoot sú uvedené nižšie pre vybranú metódu. Muse Voice Transcribe 1.0 je model spoločnosti Meta na vnímanie zvuku, určený na prepis reči, zisťovanie hraníc výpovedí a priraďovanie replík hovoriacim. Patrí do rodiny modelov Muse Spark a v modeli spája rozpoznávanie, diarizáciu a detekciu koncov rečových úsekov. Jeho výstupom je rozpoznaný text s informáciami o časovaní a hovoriacich dostupnými vo vybranom režime. Model spracúva zvuk v 80-milisekundových blokoch a rozhoduje, kedy pokračovať v počúvaní alebo vyslať text. Jeho adaptívne oneskorenie mu umožňuje počkať na ďalší zvuk, keď je slovo ťažšie rozlíšiteľné. Počas prichádzajúcej reči tak vzniká čiastočný text, po ktorom nasledujú dokončené výsledky prepisu. Čiastočnú hypotézu a dokončenú repliku považujte za odlišné fázy zážitku z počúvania. Vyberte z troch režimov. Push-to-talk je predvolený pre jednu kontrolovanú výpoveď, napríklad hlasový dopyt alebo krátku diktovanú pasáž. Endpointing umožňuje modelu zisťovať hranice replík a vrátiť jeden dokončený prepis pre každý detegovaný úsek. Diarization priraďuje rozpoznanú reč k označeniam hovoriacich a je určený na nahrávky s viacerými hovoriacimi, nie na najrýchlejšie striedanie hlasových príkazov. Pri nahratom klipe pracovný postup prepisu súboru vracia úplný prepis v jednej požiadavke. Predvoleným výsledkom je JSON obsahujúci prepis a dĺžku zvuku, s poľom turns v režimoch endpointing a diarization. Každá replika môže obsahovať identifikátor, začiatok a koniec v milisekundách a rozpoznaný text. Označenia hovoriacich sú prítomné v režime diarization. Push-to-talk vytvára úplný prepis bez detegovaných replík v tomto poli. Rozhranie výrobcu pre nahraté súbory môže vracať aj obyčajný text alebo prúd udalostí prepisu. Obyčajný text ponecháva detegované repliky na samostatných riadkoch a môže obsahovať označenia hovoriacich; prúd udalostí končí po poslednej udalosti bez samostatného súhrnu JSON. Jeho čiastočný režim delta vracia prírastkový text, zatiaľ čo konečná udalosť prepisu obsahuje úplné znenie. Pripravte súbor RIFF/WAVE obsahujúci monofónny zvuk PCM so 16-bitovými celými číslami pri 16 alebo 24 kHz. Natívna frekvencia modelu je 24 kHz a rozhranie prijíma aj 16 kHz. Pred dodaním nahrávky preveďte iné kontajnery alebo kódovania do tejto podporovanej podoby WAV. Profil prepisu súboru povoľuje zvuk dlhý najviac 10 minút a celkové telo požiadavky najviac 32 MB. Pôvodnú nahrávku a každú konverziu uchovajte priradené k vrátenému prepisu pre neskoršiu kontrolu počúvaním. Pracovný postup so živým zvukom používa nespracovaný monofónny PCM so znamienkovými 16-bitovými hodnotami little-endian, so zvukom pri 16 alebo 24 kHz dodávaným približne v reálnom čase. Jeho zdokumentované okno relácie je 60 minút. Meta opisuje natívny zvukový vstup presahujúci jednu hodinu; zdokumentované limity súboru a živej relácie zostávajú samostatnými hranicami rozhraní. Vyberte postup pre nahratý súbor alebo živý zvuk podľa toho, či je zvuk už úplný alebo sa ešte zaznamenáva, a výsledky samostatných relácií udržujte priradené k vlastným vstupným úsekom. Muse Voice Transcribe je trénovaný na viac než 70 jazykoch, zatiaľ čo zdokumentované rozhranie rozpoznávania vymenúva 25 podporovaných jazykov. Zahŕňajú angličtinu, francúzštinu, nemčinu, španielčinu, arabčinu, mandarínsku čínštinu, hindčinu, japončinu, kórejčinu, taliančinu a portugalčinu. Rozpoznáva prepínanie jazykov v rámci viet aj medzi nimi. Jazyková nápoveda môže pomenovať jazyky očakávané vo zvuku, ale usmerňuje rozpoznávanie namiesto vynútenia prepisu do jedného jazyka. Slovníkové nápovedy pomáhajú s produktovými termínmi, skratkami, menami alebo miestami dôležitými v nahrávke. Dodajte skutočné slová a zápisy, ktoré očakávate počuť. Zoznam kľúčových slov ovplyvňuje rozpoznávanie bez záruky presného zápisu, preto rozhodujúce termíny skontrolujte voči zvuku. Jazykové nápovedy a kľúčové slová sa vyberajú na začiatku prepisu; udržujte ich vhodné pre danú nahrávku namiesto zmeny ich významu počas bežiacej relácie. Model podporuje diarizáciu rozhovorov s viac než 20 hovoriacimi. Označenia ako A a B identifikujú hovoriacich v rámci jedného prepisu. Nie sú overenými menami a nepotvrdzujú, že označenie odkazuje na rovnakú osobu v inej relácii. Pri pôvodnej úlohe analýzy stretnutia žiadajte repliky priradené hovoriacim, zachovajte nahrávku a použite označenia na usporiadanie diskusie pred priradením skutočných mien účastníkov v okolitom pracovnom postupe. Živé čiastočné prepisy sa môžu meniť s príchodom ďalšej reči. V kumulatívnom režime každá čiastočná verzia nahrádza predchádzajúcu hypotézu namiesto pridania jej ďalšej kópie. Detegovaný koniec reči označuje hranicu, zatiaľ čo výsledok dokončenej repliky dodáva konečný text a môže sa líšiť od poslednej čiastočnej verzie. Prekrývajúce sa repliky udržujte priradené k ich identifikátorom a spracujte dokončené výsledky skôr, než prepis považujete za hotový. Keď živý vstup skončí, signalizujte koniec vstupu a pokračujte v prijímaní, kým producent nedokončí odosielanie čakajúcich výsledkov. Okamžité zatvorenie spojenia môže tieto výsledky zahodiť; detegovaná hranica reči ukončuje repliku, nie celú reláciu. Časovanie je na úrovni replík. Tento profil neposkytuje časové značky jednotlivých slov ani skóre istoty a priebeh spracovania zvuku nie je časovou značkou konkrétneho slova. Detekcia zvukových udalostí, detekcia emócií a preformátovanie prepisu sú tiež mimo zdokumentovaného výstupného profilu. Vrátené intervaly replík použite na časovú os hovoriacich alebo kontrolu na úrovni úsekov a zachovajte rozpoznané slová, ak neskôr samostatný krok úprav vytvorí uhladenejšie poznámky. Užitočné artefakty zahŕňajú dokončenú diktovanú pasáž, prepis hlasového dopytu, rozhovor priradený hovoriacim alebo časovú os výpovedí. Mená, čísla a technické termíny porovnajte s pôvodnou nahrávkou, zachovajte režim a časové priradenia a úplné repliky uchovajte dostupné na kontrolu. Prepis stanovuje, čo bolo rozpoznané vo zvuku; odpovedanie na hovorenú otázku, jej preklad alebo premena na poznámky zo stretnutia patrí následnému kroku aplikácie. **Ailoot Ultra · Prepis zvuku** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0` [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/sk/#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` ### Úvod Muse Voice Transcribe 1.0 je model spoločnosti Meta na prevod reči na text pre diktovanie, detegované repliky a prepisy s rozlíšením hovoriacich. Podporuje jazykové a slovníkové nápovedy, prepínanie jazykov a časové údaje na úrovni replík, so samostatnými postupmi pre nahratý klip a živý zvuk. Povolené vstupy Audio Výsledky Text ### Dostupné v Ailoot · vstupy a metódy **Ailoot Ultra · Prepis zvuku** `POST /v1/audio/transcriptions` Vstup `audio` Výstup `text` | Pole | Typ | Požiadavka | Hodnoty a limity | Predvolené | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | PožiadavkaPovinné | Hodnoty a limity meta/muse-voice-transcribe-1.0 | Predvolené— | | Pole`input_audio` | Typ`object` | PožiadavkaPovinné | Hodnoty a limity | Predvolené— | Parametre a životný cyklus metódy | Parameter | Špecifikácia | | --- | --- | | Parameter`content_type` | Špecifikáciaapplication/json | | Parameter`required` | Špecifikáciamodel, input\_audio | | Parameter`material_types` | Špecifikáciaaudio | | Parameter`material_conditions` | ŠpecifikáciaPríklad načíta váš skutočný neprázdny súbor PCM WAV, zakóduje všetky jeho bajty do base64 a odošle input\_audio.format s hodnotou wav. | Životný cyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · presné task\_id z existujúceho mediálneho záznamu vo vašom vlastníctve `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Cenník Tarifné údaje nepridávajú možnosti požiadavky. Podporované parametre sú uvedené pri vybranej metóde. Rýchly režim Neuvedené Keď je zvolený rýchly režim Režim Flex Neuvedené Keď je zvolený režim flex Maximálna úroveň uvažovania Neuvedené Keď sa pri maximálnej úrovni uvažovania používa predvolená úprava (default) #### Sadzby Ailoot #### Ceny podľa konfigurácie Každý poplatok priraďte k zobrazeným podmienkam. Pre každú skupinu alternatívnych konfigurácií použite jednu sadzbu. | Konfigurácia | Sadzobník | Účtovacia jednotka | Poplatok | | --- | --- | --- | --- | | KonfiguráciaZákladné sadzby za tokeny | SadzobníkZákladná sadzba | Účtovacia jednotka— | Poplatok Vstup · Vstupné tokeny **—** / 1K tokenov Výstup · Výstupné tokeny **—** / 1K tokenov Vstup · Čítanie cache **—** / 1K tokenov Vstup · Zápis do cache **—** / 1K tokenov Vstup · Zápis do cache, 1 hod **—** / 1K tokenov | | Konfiguráciasekunda vstupného zvuku | Sadzobník— | Účtovacia jednotkaza sekundu vstupného audia | Poplatok Vstup · sekunda vstupného zvuku **$0.0001** za sekundu vstupného audia | Ailoot pred požiadavkou rezervuje odhadovanú sumu. Po získaní výsledku vyúčtuje konečný poplatok podľa nameraného využitia. Pri streamovaní sa vyúčtovanie riadi konečným záznamom využitia. [Ako funguje rezervácia a vyúčtovanie →](https://ailoot.ai/docs/sk/billing/reserve/) ### Príklady požiadaviek #### Ailoot Ultra · Prepis zvuku curl · skutočný súbor WAV a úplný pôvodný výsledok ```bash set -eu : "${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. ``` ### Prijať a uložiť výsledky #### Ailoot Ultra · Prepis zvuku Celé pôvodné telo odpovede, stav a preposlané hlavičky. Tento obslužný kód nepridáva žiadnu univerzálnu štruktúru JSON, textové pole ani obálku úlohy. - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Uchovať všetky dokončené výsledky Uložte každú úplnú vrátenú odpoveď, súbor a časť obsahu. Uchovajte úplnú odpoveď a hlavičky, všetky skutočné výstupy, pôvodné vrátené identifikátory a všetky polia s údajmi o spotrebe. Obnovte pôvodnú operáciu bez opätovného odoslania požiadavky na vytvorenie. ##### Ak treba overiť pôvodnú odpoveď Zachovajte skutočné X-Client-Request-ID a celú odpoveď. Načítajte pôvodné súbory vo vašom vlastníctve a ich presné podpísané URL obsahu; neisté vytvorenie nikdy znova neodosielajte. Polia odpovede | Pole | Typ | | --- | --- | | Pole`text (when present)` | Typ | | Pole`usage (when present)` | Typ | Chyby a ďalšie kroky | Odpoveď | Podmienka | Ďalší krok | | --- | --- | --- | | Odpoveď400 · `invalid_request_error` | PodmienkaTelo JSON alebo explicitné kanonické ID modelu sú neplatné. | Ďalší krokZachovajte odpoveď a opravte označené pole požiadavky. | | Odpoveď401 · `authentication_error` | PodmienkaKľúč API služby Ailoot je neplatný. | Ďalší krokPoužite svoj autorizovaný kľúč API služby Ailoot. | | Odpoveď403 · `permission_error` | PodmienkaSkupina kľúča nepovoľuje túto metódu. | Ďalší krokZachovajte vrátené podrobnosti chyby. | | Odpoveď404 · `not_found_error` | PodmienkaVybraná metóda nemá povolenú trasu. | Ďalší krokZachovajte vrátené podrobnosti chyby. | | Odpoveď422 · `price_unavailable` | PodmienkaPrijatá tarifa nedokáže získať požadované množstvo vstupu alebo jeho hranicu. | Ďalší krokZachovajte odpoveď; použite reprezentáciu vstupu vyžadovanú prijatou tarifou. | | Odpoveď503 · `` | PodmienkaPožadované úložisko, trasa, cena metódy alebo rezervácia nie sú dostupné. | Ďalší krokZachovajte celú pôvodnú odpoveď. Neistá rezervácia nie je povolením na opätovné odoslanie. | | Odpoveď502 · `server_error` | PodmienkaPôvodný výsledok, spotreba alebo zúčtovanie vyžadujú kontrolu. | Ďalší krokZachovajte skutočné ID požiadavky a pôvodnú odpoveď. Načítajte existujúci záznam vo vašom vlastníctve; vytvorenie znova neodosielajte. | ### Aliasy #### Aliasy modelov **Ailoot Ultra** [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/sk/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) #### Aliasy ciest metód Použite cesty metód uvedené vyššie. #### Súvisiace ID na volanie [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/sk/#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 Aké vstupy a výsledky sú dostupné? `POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `audio` → `text` Aké polia používa požiadavka? `POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `model`, `input_audio` Pripojte Ailoot k Claude Code, OpenCode, Hermes alebo vlastnej aplikácii. ## Spoločnosť a jej portfólio projektov Spoločnosť a jej portfólio projektov: milióny zákazníkov; mesačné tržby v miliardách. ## Nakupujte tokeny so zľavou. Zľava predplatného na pravidelnú prácu. Promo kódy až 50% na nákup tokenov. Predplatné Na pravidelné požiadavky vyberte tarifu so zľavou. Promo kód až 50% Pri nákupe zadajte kód. Cena sa prepočíta podľa prebiehajúcej akcie. Výdavky v histórii Pri každej požiadavke sa uloží model, tokeny a suma. [Vybrať predplatné](https://ailoot.ai/docs/sk/billing/subscriptions/) · [Zobraziť ceny modelov](https://ailoot.ai/models/sk/) ## Pripojte API k produktu, ktorý predávate. SaaS, aplikácie a boti podľa ponuky a licenčnej zmluvy Ailoot. Na ďalší predaj požiadajte o licenciu predajcu. Komerčná aplikácia Začleňte generovanie textu, obrázkov, videa a zvuku do platených funkcií svojej služby. Licencia pre predajcu Pošlite popis projektu a spôsob poskytovania prístupu. Vyžiadajte písomné podmienky použitia a ďalšieho predaja. Dokumenty na webe Ponuka, licenčná zmluva a zásady spracovania dát sú dostupné pred pripojením. [Požiadať o licenciu predajcu](mailto:support@ailoot.ai) · [Ponuka a licenčná zmluva](https://ailoot.ai/legal/offer?lang=sk) ## Ailoot · Spoločnosť a jej portfólio projektov Ailoot stavia na dlhodobých prevádzkových skúsenostiach, širokej klientskej základni, stabilných službách a priebežnom sledovaní KPI. Spoločnosť a jej portfólio projektov: milióny zákazníkov; mesačné tržby v miliardách. Ailoot využíva tieto prevádzkové skúsenosti na poskytovanie prístupu cez API k funkciám AI v produktoch zákazníkov, agentoch, aplikáciách a automatizáciách.