AssemblyAI: Universal-3.5 Pro

Universal-3.5 Pro je model AssemblyAI za pretvorbo govora v besedilo, ki kratek zvočni posnetek v enem odgovoru pretvori v dokončan prepis. Njegov profil Sync doda zanesljivost posameznih besed, izbirne časovne oznake besed, namige za besedišče in kontekst prejšnjega pogovora za glasovni vnos ter poteke dela s pritiskom tipke za govor.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions assemblyai/universal-3-5-pro

O modelu

Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.

Universal-3.5 Pro je model AssemblyAI za prepoznavanje govora, ki posneti govor pretvarja v besedilo. V njegovem profilu Sync kratek zvočni posnetek ustvari dokončan prepis v enem odgovoru. To ustreza glasovnim sporočilom, vnosu s pritiskom tipke za govor in ločenim pogovornim izmenjavam, pri katerih aplikacija že ve, kdaj naj se snemanje konča.

Zvok pripravite kot posnetek z določenim obsegom. Zahteve AssemblyAI Sync sprejemajo trajanje od 80 milisekund do 120 sekund in največjo velikost datoteke 40 MB. Podprta formata sta WAV ali surovi predznačeni 16-bitni PCM z vrstnim redom bajtov little-endian. Zvok je lahko mono ali stereo, pri čemer se stereo interno pretvori v mono. Podprte frekvence vzorčenja so 8, 16, 22,05, 24, 32, 44,1 in 48 kHz. Glava WAV poda frekvenco vzorčenja in število kanalov; pri surovem PCM je treba ti vrednosti posebej navesti v nastavitvah prepisa.

Zajemite celotno izjavo ter ohranite začetek in konec govora. Uporabna izvirna naloga je kratko glasovno sporočilo za podporo izdelku, ki vsebuje ime izdelka, identifikator naročila in zahtevo. Ohranite izvorni posnetek, da je mogoče prepis preveriti glede na te pomembne podrobnosti. Pri daljšem posnetku pripravite potek dela, primeren za prepis daljših vsebin, namesto da bi omejitev trajanja kratkega posnetka obravnavali kot trditev o celotni zvočni zmogljivosti modela.

Rezultat vsebuje celoten prepis, seznam besed z zanesljivostjo vsake besede in skupno zanesljivost med nič in ena. Poda tudi trajanje predloženega zvoka in identifikator zahteve, kar omogoča povezavo besedila z njegovim izvirnim posnetkom. Zanesljivost besed uporabite za iskanje odlomkov, ki jih je smiselno preveriti s poslušanjem, zlasti imen, števil in področnega besedišča, pomembnih za aplikacijo.

Časovne oznake besed so izbirne in privzeto izklopljene. Kadar jih zahtevate, lahko vsaka poravnana beseda vsebuje začetek in konec v milisekundah glede na začetek posnetka. Proizvajalčev profil teh vrednosti ne navede, kadar besede ni mogoče poravnati, namesto da bi si izmislil približen čas. Časovne oznake so najnatančnejše pri angleškem zvoku. Pri pripravi označevanja besed, valovne oblike z možnostjo iskanja ali poravnave podnapisov izrecno ohranite manjkajoče čase in besedilo primerjajte s posnetkom, preden ga uporabite kot dokončano sled podnapisov.

Kontekstni poziv opiše, o čem govori posnetek. Navede lahko področje, scenarij ali konkretne podrobnosti, ki jih aplikacija že pozna, njegova največja dolžina pa je 6000 znakov. Začnite s kratkim opisom, ki ustreza zvoku, na primer pogovorom s tehnično podporo o določeni napravi. Poziv zagotovi kontekst za prepoznavanje; ni zahteva za preoblikovanje govorčevega sporočila v drug dokument.

Ločen seznam ključnih izrazov usmeri prepoznavanje k določenemu besedišču. Profil Sync sprejema do 100 izrazov in skupno 8000 znakov na tem seznamu. Za neobičajna imena, kratice ali izraze za izdelke uporabite točen zapis, običajne dobro prepoznane besede pa izpustite. Veliki ali nepotrebni seznami izrazov lahko povzročijo pretirano popravljanje, zato seznam osredotočite na besede, pomembne v posnetku. Opis konteksta in seznam besedišča lahko uporabite skupaj.

Tudi prejšnji pogovor lahko pomaga razložiti kratek odgovor. Prejšnje izjave predložite v časovnem zaporedju, od najstarejše do najnovejše, trenutni zvok pa ostane izmenjava, ki se prepisuje. Dokumentirani dovoljeni kontekst je 500 izmenjav ali skupno 16.000 znakov. Če preseže ti omejitvi ali razpoložljivi kontekst modela, se najprej odstranijo najstarejši vnosi. To je uporabno, kadar kratek odgovor vsebuje identifikator ali sklic, katerega pomen izhaja iz predhodnega vprašanja.

Izbira jezika usmeri prepoznavanje k enemu ali več pričakovanim jezikom. Trenutni vmesnik Sync sprejema 32 jezikovnih kod in privzeto uporablja angleščino, kadar izbira ni podana. Pri zvoku s preklapljanjem med jeziki navedite pričakovane jezike. Kontekstni poziv po meri nadomesti upravljano privzeto nastavitev in prevlada nad ločenim usmerjanjem z jezikovnimi kodami, zato pričakovane jezike navedite v tem pozivu, kadar potrebujete tako jezikovni kontekst kot kontekst scenarija. Prepis ohranite v dejansko govorjenih jezikih, namesto da bi prepisovanje obravnavali kot navodilo za prevod.

Model je na voljo tudi v drugih potekih prepisovanja AssemblyAI, zahteve za kratke posnetke in polja rezultatov profila Sync pa pripadajo temu konkretnemu vmesniku. Proizvajalčev potek dela Dictation doda ločeno fazo čiščenja besedila; prepis in preoblikovano sporočilo sta različna izdelka. Če poznejši korak urejanja ali povzemanja ustvari očiščeno različico, ohranite prepoznani govor, da izvirno besedilo ostane na voljo za primerjavo.

Med uporabnimi končnimi izdelki so prepisano glasovno sporočilo, dokončana izmenjava za pomočnika, kratko zvočno besedilo z možnostjo iskanja ali časovno označen seznam besed za pregledovalni vmesnik. Odločilne besede preverite glede na posnetek, ohranite morebitne manjkajoče poravnave in posnetek povežite z vrnjenim besedilom. Rezultat prepoznavanja naslednjemu koraku aplikacije poda prepis, podprt z virom; odgovarjanje na zahtevo ali urejanje sporočila pripada okoliškemu poteku dela.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions assemblyai/universal-3-5-pro

assemblyai/universal-3-5-pro

AssemblyAI /assemblyai/universal-3-5-pro

Začetek

Dovoljeni vhodi: Zvok
Rezultati: Besedilo

Na voljo v Ailoot · vhodi in metode

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions

Vhod: audio
Izhod: text

Polje	Vrsta	Zahteva	Vrednosti in omejitve	Privzeto
Polje`model`	Vrsta`string`	ZahtevaObvezno	Vrednosti in omejitve assemblyai/universal-3-5-pro	Privzeto—
Polje`input_audio`	Vrsta`object`	ZahtevaObvezno	Vrednosti in omejitve	Privzeto—

Parametri in življenjski cikel metode

Parameter	Specifikacija
Parameter`content_type`	Specifikacijaapplication/json
Parameter`required`	Specifikacijamodel, input_audio
Parameter`material_types`	Specifikacijaaudio
Parameter`material_conditions`	SpecifikacijaPrimer prebere vašo dejansko neprazno datoteko PCM WAV, vse njene bajte kodira kot base64 in pošlje input_audio.format kot wav.

Življenjski cikel: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · natančni task_id iz obstoječega zapisa medija v vaši lasti

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Cenik

Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.

Hitri način: Ni navedeno Ko je izbran hitri način
Način flex: Ni navedeno Ko je izbran način flex
Najvišja raven razmišljanja: Ni navedeno Ko najvišja raven razmišljanja uporablja privzeto prilagoditev (default)

Cene Ailoot

Cene po nastavitvah

Vsak strošek povežite s prikazanimi pogoji. Za vsak nabor alternativnih nastavitev uporabite eno ceno.

Nastavitev	Cenovna lestvica	Obračunska enota	Strošek
NastavitevOsnovne cene žetonov	Cenovna lestvicaOsnovna cena	Obračunska enota—	Strošek Vhod · Vhodni žetoni — / 1K žetonov Izhod · Izhodni žetoni — / 1K žetonov Vhod · Branje predpomnilnika — / 1K žetonov Vhod · Zapis v predpomnilnik — / 1K žetonov Vhod · Zapis v predpomnilnik, 1 ura — / 1K žetonov
Nastavitevsekunda vhodnega zvoka	Cenovna lestvica—	Obračunska enotana sekundo vhodnega zvoka	Strošek Vhod · sekunda vhodnega zvoka $0.00025 na sekundo vhodnega zvoka

Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →

Primeri zahtev

Ailoot Ultra · Prepisovanje

curl · dejanska datoteka WAV in celoten izvirni rezultat

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': 'assemblyai/universal-3-5-pro', '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.

Prejmi in shrani rezultate

Ailoot Ultra · Prepisovanje

Celotno izvirno telo odgovora, stanje in posredovane glave. Ta obdelovalnik ne dodaja univerzalne strukture JSON, besedilnega polja ali ovoja opravila.

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

Ohrani vse dokončane rezultate

Shranite vsak v celoti vrnjen odgovor, datoteko in del vsebine.

Shranite celoten odgovor in glave, vse dejanske izhode, izvirne vrnjene identifikatorje in vsa polja s podatki o porabi. Pridobite podatke izvirne operacije brez ponovnega pošiljanja zahteve za ustvarjanje.

Če je treba preveriti izvirni odgovor

Ohranite dejanski X-Client-Request-ID in celoten odgovor. Berite prvotna sredstva v vaši lasti in njihove natančne podpisane URL-je vsebine; negotovega ustvarjanja nikoli ne oddajte znova.

Polja odgovora

Polje	Vrsta
Polje`text (when present)`	Vrsta
Polje`usage (when present)`	Vrsta

Napake in naslednji koraki

Odgovor	Pogoj	Naslednji korak
Odgovor400 · `invalid_request_error`	PogojTelo JSON ali izrecni kanonični ID modela ni veljaven.	Naslednji korakOhranite odgovor in popravite navedeno polje zahteve.
Odgovor401 · `authentication_error`	PogojKljuč Ailoot API ni veljaven.	Naslednji korakUporabite svoj pooblaščeni ključ Ailoot API.
Odgovor403 · `permission_error`	PogojSkupina ključa ne dovoljuje te metode.	Naslednji korakOhranite vrnjene podrobnosti napake.
Odgovor404 · `not_found_error`	PogojIzbrana metoda nima dovoljene poti.	Naslednji korakOhranite vrnjene podrobnosti napake.
Odgovor422 · `price_unavailable`	PogojSprejeta tarifa ne more pridobiti zahtevane vhodne količine ali meje.	Naslednji korakOhranite odgovor; uporabite vhodno predstavitev, ki jo zahteva sprejeta tarifa.
Odgovor503 ·	PogojZahtevana shramba, pot, cena metode ali rezervacija ni na voljo.	Naslednji korakOhranite celoten prvotni odgovor. Negotova rezervacija ne dovoljuje ponovne oddaje.
Odgovor502 · `server_error`	PogojPrvotni rezultat, porabo ali obračun je treba preveriti.	Naslednji korakOhranite dejanski ID zahteve in prvotni odgovor. Berite obstoječi zapis v vaši lasti; ustvarjanja ne oddajte znova.

Druga imena

Druga imena modelov

Ailoot Ultra assemblyai/universal-3-5-pro

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

assemblyai/universal-3-5-pro

FAQ · AssemblyAI: Universal-3.5 Pro

Kateri vhodi in rezultati so na voljo?: POST /v1/audio/transcriptions · assemblyai/universal-3-5-pro: audio → text
Katera polja uporablja zahteva?: POST /v1/audio/transcriptions · assemblyai/universal-3-5-pro: model, input_audio

AssemblyAI: Universal-3.5 Pro