Fish Audio: Transcribe 1

Transcribe 1 pretvarja kratke zvočne posnetke v besedilo s samodejnim prepoznavanjem jezika in neobveznimi časovnimi oznakami posameznih besed. Prepis uporabite za glasovne beležke, iskljive posnetke ali pripravo podnapisov, pri čemer časovno označene odseke hranite ločeno od berljivega celotnega besedila.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions fish-audio/transcribe-1

O modelu

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

Transcribe 1 je splošni model podjetja Fish Audio za pretvorbo govora v besedilo pri kratkih posnetkih. Sprejme zvočno datoteko in vrne prepoznane besede kot besedilo, skupaj s trajanjem posnetka, neobveznimi časovno označenimi odseki in podatki o jeziku, kadar so znani. Model je uporaben za kratko glasovno beležko, govorjeno navodilo, odlomek posnetka ali zvočni izsek, ki potrebuje berljivo besedilno predstavitev.

Ponazoritveni potek za glasovne beležke hrani posnetek skupaj s celotnim prepisom in identifikatorjem izvirnega izseka. Poznejši korak aplikacije lahko po tem besedilu išče, uredi beležko ali pripravi povzetek ter ohrani govorjeni vir. Pri ukazu prepis aplikaciji priskrbi prepoznane besede; vsako dejanje je ločen korak interpretacije in izvedbe. Pri odlomku intervjuja zabeležite položaj izseka v celotnem zvoku, da je citat mogoče preveriti na pravem mestu.

Proizvajalec sprejema WAV, MP3, AAC, vključno z M4A/MP4, FLAC in Ogg z Opus ali Vorbis. Brskalniške posnetke WebM je treba za ta model pretvoriti v Ogg/Opus, MP3 ali WAV; Pro ima dokumentirano nativno podporo dodatnim vsebnikom. Predložite eno zvočno datoteko na zahtevo. Dokumentirana omejitev zahteve osnovnega modela je do 50 MiB, datoteke MP3 in Opus pa morajo ostati pod 25 MiB. Velikost datoteke in dolžina posnetka sta različna vidika: stisnjena datoteka lahko ustreza omejitvi nalaganja, vendar se še vedno predolgo obdeluje.

Transcribe 1 je zasnovan za kratke posnetke. Proizvajalec priporoča Pro za zvok, daljši od nekaj minut; dolga zahteva osnovnemu modelu lahko odpove, če preseže časovno omejitev obdelave. Pri pripravi daljšega vira za prepis kratkih izsekov ohranite začetni odmik vsakega izseka in pred združevanjem rezultatov potrdite, da vrnjeni prepis zajema celoten izsek. Izvirni odmik prištejte lokalnim časom odsekov, da bo navigacija ostala povezana s celotnim posnetkom. Navodil za osnovni model ne razlagajte kot ločeno 60-minutno omejitev modela Pro.

Proizvajalčev odgovor vključuje text, duration in segments. Trajanje je izraženo v sekundah, berljivi celotni prepis pa naj ostane primarno besedilo izseka. Časovne oznake so neobvezne: ignore_timestamps ima v proizvajalčevem API privzeto vrednost true, vrednost false pa zahteva odseke na ravni besed s text ter časoma start in end v sekundah. Zahteva za časovno poravnavo podaljša obdelavo. Prazno polje segments lahko pomeni preskočeno časovno označevanje, odsotnost govora ali začasno nedostopno poravnavo, zato ga ne razlagajte samodejno kot prazen celotni prepis.

Odseki so praviloma besede, pri kitajščini in japonščini pa znak ali nekaj znakov. Njihovo besedilo izpušča ločila in lahko vrednost normalizira drugače kot celotni prepis; ni kopija berljivega odgovora znak za znakom. Odsek ima lahko enak začetni in končni čas. Odseke uporabite za iskanje položaja v posnetku ali pripravo časovno usklajenega prikaza, celotno besedilo pa tam, kjer sta pomembna ubeseditev in ločila. Ti predstavitvi v končnem izdelku ohranite ločeni.

Jezik se zazna samodejno, ne glede na to, ali predložite neobvezen namig o jeziku. Proizvajalec za namige dokumentira kode ISO 639-1 z malimi črkami in, kadar je jezik znan, vrne kodo za logiko aplikacije ter ime jezika za prikaz. Odgovor navaja en jezik, ne vseh jezikov v posnetku, ki med njimi prehaja. Izvirno besedilo in razpoložljive jezikovne metapodatke ohranite z rezultatom, namesto da zahtevo za prepis obravnavate kot prevajanje.

Za pripravo podnapisov združite zaporedne časovno označene odseke v berljive podnapisne enote, namesto da prikazujete eno besedo naenkrat. Uporaben izhod je datoteka SRT ali WebVTT, povezana z izvirnim izsekom, z mejami enot, ki ustrezajo premorom, in obvladljivo količino besedila na zaslonu. Preverite manjkajoče časovne podatke in zagotovite, da je konec vsake enote za njenim začetkom. Združevanje podnapisov in oblikovanje datoteke sta koraka aplikacije, zgrajena na vrnjeni poravnavi; prikazne izbire naj ustrezajo predvajalniku in občinstvu.

Dokumentirane nastavitve Transcribe 1 so zvok, namig o jeziku in izbira časovnih oznak. Oznake govorcev, strukturirane govorne replike, nastavitve čustvenih dogodkov in namigi o številu govorcev pri Pro so ločene funkcije; niso del dokumentirane specifikacije odgovora tega osnovnega modela. Pred obdelavo izberite potreben izdelek: navadno berljivo besedilo za beležko ali besedilo s poravnavo za navigacijo pri predvajanju in podnapise. Ohranitev identifikatorja izseka, prepisa in vseh razpoložljivih časovnih podatkov naredi rezultat uporaben v naslednji fazi aplikacije.

Ailoot Ultra · Prepisovanje POST /v1/audio/transcriptions fish-audio/transcribe-1

fish-audio/transcribe-1

Fish Audio /fish-audio/transcribe-1

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 fish-audio/transcribe-1	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 $0.0002 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': 'fish-audio/transcribe-1', '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 fish-audio/transcribe-1

Druga imena poti metod

Uporabite zgoraj navedene poti metod.

Povezani ID-ji za klic

fish-audio/transcribe-1

FAQ · Fish Audio: Transcribe 1

Kateri vhodi in rezultati so na voljo?: POST /v1/audio/transcriptions · fish-audio/transcribe-1: audio → text
Katera polja uporablja zahteva?: POST /v1/audio/transcriptions · fish-audio/transcribe-1: model, input_audio

Fish Audio: Transcribe 1