Muse Voice Transcribe 1.0 je Metin model za zaznavanje zvoka, namenjen prepisovanju govora, zaznavanju meja izjav in pripisovanju govornih potez govorcem. Spada v družino modelov Muse Spark ter v modelu združuje prepoznavanje, diarizacijo in zaznavanje konca govorne poteze. Njegov izhod je prepoznano besedilo s časovnimi podatki in podatki o govorcih, ki so na voljo v izbranem načinu.
Model obdeluje zvok v 80-milisekundnih kosih in odloča, kdaj naj nadaljuje poslušanje ali odda besedilo. Prilagodljiva zakasnitev mu omogoča počakati na dodaten zvok, kadar je besedo težje razločiti. Tako med prihajanjem govora ustvarja delno besedilo, ki mu sledijo dokončani rezultati prepisa. Delno hipotezo in dokončano govorno potezo obravnavajte kot različni stopnji poslušanja.
Izberite enega od treh načinov. Push-to-talk je privzeti način za eno nadzorovano izjavo, na primer glasovno poizvedbo ali kratek narekovani odlomek. Endpointing modelu omogoča zaznavanje meja govornih potez in vračanje enega dokončanega prepisa za vsak zaznani segment. Diarization prepoznani govor pripiše oznakam govorcev in je namenjen posnetkom z več govorci, ne najhitrejšemu izmenjevanju govornih potez pri glasovnih ukazih.
Pri posnetem odlomku potek prepisovanja datoteke vrne popoln prepis v eni zahtevi. Privzeti rezultat je JSON s prepisom in trajanjem zvoka, v načinih endpointing in diarization pa tudi s poljem turns. Vsaka govorna poteza lahko vsebuje identifikator, začetek in konec v milisekundah ter prepoznano besedilo. Oznake govorcev so prisotne v načinu diarization. Push-to-talk ustvari celoten prepis brez zaznanih govornih potez v tem polju. Proizvajalčev vmesnik za posnete datoteke lahko vrne tudi golo besedilo ali tok dogodkov prepisa. Golo besedilo ohrani zaznane govorne poteze v ločenih vrsticah in lahko vključuje oznake govorcev; tok dogodkov se zaključi po zadnjem dogodku brez ločenega povzetka JSON. Njegov način delnih rezultatov delta vrača prirastke besedila, dogodek končnega prepisa pa vsebuje celotno besedilo.
Pripravite datoteko RIFF/WAVE z enokanalnim zvokom PCM s 16-bitnimi celimi števili pri 16 ali 24 kHz. Izvorna frekvenca modela je 24 kHz, vmesnik pa sprejema tudi 16 kHz. Druge vsebnike ali kodiranja pred posredovanjem posnetka pretvorite v to podprto obliko WAV. Profil prepisovanja datotek dovoljuje zvok do 10 minut in celotno telo zahteve do 32 MB. Izvorni posnetek in morebitno pretvorbo hranite skupaj z vrnjenim prepisom za poznejši pregled s poslušanjem.
Potek dela z zvokom v živo uporablja neobdelani predznačeni 16-bitni enokanalni PCM z zapisom little-endian, z zvokom pri 16 ali 24 kHz, posredovanim približno v realnem času. Dokumentirano okno seje je 60 minut. Meta opisuje izvorni zvočni vhod, daljši od ene ure; dokumentirane omejitve datotek in sej v živo ostajajo ločene meje vmesnikov. Posneti ali živi potek izberite glede na to, ali je zvok že dokončan ali se še zajema, rezultate različnih sej pa ohranite povezane z njihovimi vhodnimi segmenti.
Muse Voice Transcribe je bil naučen na podatkih v več kot 70 jezikih, dokumentirani vmesnik za prepoznavanje pa našteva 25 podprtih jezikov. Med njimi so angleščina, francoščina, nemščina, španščina, arabščina, mandarinska kitajščina, hindijščina, japonščina, korejščina, italijanščina in portugalščina. Prepoznava preklapljanje med jeziki znotraj povedi ali med njimi. Jezikovni namig lahko poimenuje jezike, pričakovane v zvoku, vendar usmerja prepoznavanje in ne prisili prepisa v en jezik.
Namigi za besedišče pomagajo pri izrazih za izdelke, kraticah, imenih ali krajih, pomembnih v posnetku. Posredujte dejanske besede in zapise, ki jih pričakujete slišati. Seznam ključnih besed vpliva na prepoznavanje, ne zagotavlja pa točnega zapisa, zato odločilne izraze preverite ob zvoku. Jezikovni namigi in ključne besede se izberejo na začetku prepisovanja; naj ostanejo primerni za ta posnetek, namesto da med potekom seje spreminjate njihov pomen.
Model podpira diarizacijo pogovorov z več kot 20 govorci. Oznaki, kot sta A in B, označujeta govorce znotraj enega prepisa. Nista preverjeni imeni in ne dokazujeta, da se oznaka v drugi seji nanaša na isto osebo. Pri izvirni nalogi analize sestanka zahtevajte govorne poteze, pripisane govorcem, ohranite posnetek in z oznakami uredite razpravo, preden prek povezanega poteka dela dodelite dejanska imena udeležencev.
Delni prepisi v živo se lahko ob dodatnem govoru spremenijo. V kumulativnem načinu cumulative vsak delni rezultat zamenja predhodno hipotezo, namesto da bi dodal še eno njeno kopijo. Zaznani konec govora označi mejo, rezultat dokončane govorne poteze pa zagotovi končno besedilo, ki se lahko razlikuje od zadnjega delnega rezultata. Prekrivajoče se govorne poteze ohranite povezane z njihovimi identifikatorji in obdelajte dokončane rezultate, preden prepis obravnavate kot zaključen. Ko se vhod v živo konča, sporočite konec vhoda in nadaljujte prejemanje, dokler niso oddani vsi čakajoči rezultati. Takojšnje zaprtje povezave lahko te rezultate zavrže; zaznana govorna meja zaključi govorno potezo in ne celotne seje.
Časovni podatki so na ravni govornih potez. Ta profil ne zagotavlja časovnih oznak na ravni besed ali ocen zaupanja, napredek obdelave zvoka pa ni časovna oznaka določene besede. Tudi zaznavanje zvočnih dogodkov, zaznavanje čustev in preoblikovanje prepisa so zunaj dokumentiranega izhodnega profila. Vrnjene intervale govornih potez uporabite za časovnico govorcev ali pregled na ravni segmentov in ohranite prepoznane besede, če ločen korak urejanja pozneje ustvari bolj urejene zapiske.
Uporabni izdelki vključujejo dokončan narekovani odlomek, prepis glasovne poizvedbe, pogovor s pripisanimi govorci ali časovnico izjav. Imena, številke in strokovne izraze primerjajte z izvornim posnetkom, ohranite povezave z načinom in časovnimi podatki ter omogočite pregled celotnih govornih potez. Prepis določa, kaj je bilo prepoznano v zvoku; odgovarjanje na izgovorjeno vprašanje, prevajanje ali pretvorba v zapisnik sestanka pripada naslednjemu koraku aplikacije.
", "aboutText": "Muse Voice Transcribe 1.0 je Metin model za zaznavanje zvoka, namenjen prepisovanju govora, zaznavanju meja izjav in pripisovanju govornih potez govorcem. Spada v družino modelov Muse Spark ter v modelu združuje prepoznavanje, diarizacijo in zaznavanje konca govorne poteze. Njegov izhod je prepoznano besedilo s časovnimi podatki in podatki o govorcih, ki so na voljo v izbranem načinu.\n\nModel obdeluje zvok v 80-milisekundnih kosih in odloča, kdaj naj nadaljuje poslušanje ali odda besedilo. Prilagodljiva zakasnitev mu omogoča počakati na dodaten zvok, kadar je besedo težje razločiti. Tako med prihajanjem govora ustvarja delno besedilo, ki mu sledijo dokončani rezultati prepisa. Delno hipotezo in dokončano govorno potezo obravnavajte kot različni stopnji poslušanja.\n\nIzberite enega od treh načinov. Push-to-talk je privzeti način za eno nadzorovano izjavo, na primer glasovno poizvedbo ali kratek narekovani odlomek. Endpointing modelu omogoča zaznavanje meja govornih potez in vračanje enega dokončanega prepisa za vsak zaznani segment. Diarization prepoznani govor pripiše oznakam govorcev in je namenjen posnetkom z več govorci, ne najhitrejšemu izmenjevanju govornih potez pri glasovnih ukazih.\n\nPri posnetem odlomku potek prepisovanja datoteke vrne popoln prepis v eni zahtevi. Privzeti rezultat je JSON s prepisom in trajanjem zvoka, v načinih endpointing in diarization pa tudi s poljem turns. Vsaka govorna poteza lahko vsebuje identifikator, začetek in konec v milisekundah ter prepoznano besedilo. Oznake govorcev so prisotne v načinu diarization. Push-to-talk ustvari celoten prepis brez zaznanih govornih potez v tem polju. Proizvajalčev vmesnik za posnete datoteke lahko vrne tudi golo besedilo ali tok dogodkov prepisa. Golo besedilo ohrani zaznane govorne poteze v ločenih vrsticah in lahko vključuje oznake govorcev; tok dogodkov se zaključi po zadnjem dogodku brez ločenega povzetka JSON. Njegov način delnih rezultatov delta vrača prirastke besedila, dogodek končnega prepisa pa vsebuje celotno besedilo.\n\nPripravite datoteko RIFF/WAVE z enokanalnim zvokom PCM s 16-bitnimi celimi števili pri 16 ali 24 kHz. Izvorna frekvenca modela je 24 kHz, vmesnik pa sprejema tudi 16 kHz. Druge vsebnike ali kodiranja pred posredovanjem posnetka pretvorite v to podprto obliko WAV. Profil prepisovanja datotek dovoljuje zvok do 10 minut in celotno telo zahteve do 32 MB. Izvorni posnetek in morebitno pretvorbo hranite skupaj z vrnjenim prepisom za poznejši pregled s poslušanjem.\n\nPotek dela z zvokom v živo uporablja neobdelani predznačeni 16-bitni enokanalni PCM z zapisom little-endian, z zvokom pri 16 ali 24 kHz, posredovanim približno v realnem času. Dokumentirano okno seje je 60 minut. Meta opisuje izvorni zvočni vhod, daljši od ene ure; dokumentirane omejitve datotek in sej v živo ostajajo ločene meje vmesnikov. Posneti ali živi potek izberite glede na to, ali je zvok že dokončan ali se še zajema, rezultate različnih sej pa ohranite povezane z njihovimi vhodnimi segmenti.\n\nMuse Voice Transcribe je bil naučen na podatkih v več kot 70 jezikih, dokumentirani vmesnik za prepoznavanje pa našteva 25 podprtih jezikov. Med njimi so angleščina, francoščina, nemščina, španščina, arabščina, mandarinska kitajščina, hindijščina, japonščina, korejščina, italijanščina in portugalščina. Prepoznava preklapljanje med jeziki znotraj povedi ali med njimi. Jezikovni namig lahko poimenuje jezike, pričakovane v zvoku, vendar usmerja prepoznavanje in ne prisili prepisa v en jezik.\n\nNamigi za besedišče pomagajo pri izrazih za izdelke, kraticah, imenih ali krajih, pomembnih v posnetku. Posredujte dejanske besede in zapise, ki jih pričakujete slišati. Seznam ključnih besed vpliva na prepoznavanje, ne zagotavlja pa točnega zapisa, zato odločilne izraze preverite ob zvoku. Jezikovni namigi in ključne besede se izberejo na začetku prepisovanja; naj ostanejo primerni za ta posnetek, namesto da med potekom seje spreminjate njihov pomen.\n\nModel podpira diarizacijo pogovorov z več kot 20 govorci. Oznaki, kot sta A in B, označujeta govorce znotraj enega prepisa. Nista preverjeni imeni in ne dokazujeta, da se oznaka v drugi seji nanaša na isto osebo. Pri izvirni nalogi analize sestanka zahtevajte govorne poteze, pripisane govorcem, ohranite posnetek in z oznakami uredite razpravo, preden prek povezanega poteka dela dodelite dejanska imena udeležencev.\n\nDelni prepisi v živo se lahko ob dodatnem govoru spremenijo. V kumulativnem načinu cumulative vsak delni rezultat zamenja predhodno hipotezo, namesto da bi dodal še eno njeno kopijo. Zaznani konec govora označi mejo, rezultat dokončane govorne poteze pa zagotovi končno besedilo, ki se lahko razlikuje od zadnjega delnega rezultata. Prekrivajoče se govorne poteze ohranite povezane z njihovimi identifikatorji in obdelajte dokončane rezultate, preden prepis obravnavate kot zaključen. Ko se vhod v živo konča, sporočite konec vhoda in nadaljujte prejemanje, dokler niso oddani vsi čakajoči rezultati. Takojšnje zaprtje povezave lahko te rezultate zavrže; zaznana govorna meja zaključi govorno potezo in ne celotne seje.\n\nČasovni podatki so na ravni govornih potez. Ta profil ne zagotavlja časovnih oznak na ravni besed ali ocen zaupanja, napredek obdelave zvoka pa ni časovna oznaka določene besede. Tudi zaznavanje zvočnih dogodkov, zaznavanje čustev in preoblikovanje prepisa so zunaj dokumentiranega izhodnega profila. Vrnjene intervale govornih potez uporabite za časovnico govorcev ali pregled na ravni segmentov in ohranite prepoznane besede, če ločen korak urejanja pozneje ustvari bolj urejene zapiske.\n\nUporabni izdelki vključujejo dokončan narekovani odlomek, prepis glasovne poizvedbe, pogovor s pripisanimi govorci ali časovnico izjav. Imena, številke in strokovne izraze primerjajte z izvornim posnetkom, ohranite povezave z načinom in časovnimi podatki ter omogočite pregled celotnih govornih potez. Prepis določa, kaj je bilo prepoznano v zvoku; odgovarjanje na izgovorjeno vprašanje, prevajanje ali pretvorba v zapisnik sestanka pripada naslednjemu koraku aplikacije.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "058191a34c97747b9cb458d1db99d84443467dd46271facdcbec6cde8278db6e", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sl", "methods": [ { "html": "meta/muse-voice-transcribe-1.0Muse Voice Transcribe 1.0 je Metin model za pretvorbo govora v besedilo, namenjen narekovanju, zaznanim govornim potezam in prepisom z razlikovanjem govorcev. Podpira namige za jezik in besedišče, preklapljanje med jeziki ter časovne podatke na ravni govornih potez, z ločenima potekoma dela za posnetek in zvok v živo.
Ta opis zajema zmožnosti modela. Vhodi, izhodi in možnosti, ki so na voljo v Ailoot, so spodaj navedeni za izbrano metodo.
Muse Voice Transcribe 1.0 je Metin model za zaznavanje zvoka, namenjen prepisovanju govora, zaznavanju meja izjav in pripisovanju govornih potez govorcem. Spada v družino modelov Muse Spark ter v modelu združuje prepoznavanje, diarizacijo in zaznavanje konca govorne poteze. Njegov izhod je prepoznano besedilo s časovnimi podatki in podatki o govorcih, ki so na voljo v izbranem načinu.
Model obdeluje zvok v 80-milisekundnih kosih in odloča, kdaj naj nadaljuje poslušanje ali odda besedilo. Prilagodljiva zakasnitev mu omogoča počakati na dodaten zvok, kadar je besedo težje razločiti. Tako med prihajanjem govora ustvarja delno besedilo, ki mu sledijo dokončani rezultati prepisa. Delno hipotezo in dokončano govorno potezo obravnavajte kot različni stopnji poslušanja.
Izberite enega od treh načinov. Push-to-talk je privzeti način za eno nadzorovano izjavo, na primer glasovno poizvedbo ali kratek narekovani odlomek. Endpointing modelu omogoča zaznavanje meja govornih potez in vračanje enega dokončanega prepisa za vsak zaznani segment. Diarization prepoznani govor pripiše oznakam govorcev in je namenjen posnetkom z več govorci, ne najhitrejšemu izmenjevanju govornih potez pri glasovnih ukazih.
Pri posnetem odlomku potek prepisovanja datoteke vrne popoln prepis v eni zahtevi. Privzeti rezultat je JSON s prepisom in trajanjem zvoka, v načinih endpointing in diarization pa tudi s poljem turns. Vsaka govorna poteza lahko vsebuje identifikator, začetek in konec v milisekundah ter prepoznano besedilo. Oznake govorcev so prisotne v načinu diarization. Push-to-talk ustvari celoten prepis brez zaznanih govornih potez v tem polju. Proizvajalčev vmesnik za posnete datoteke lahko vrne tudi golo besedilo ali tok dogodkov prepisa. Golo besedilo ohrani zaznane govorne poteze v ločenih vrsticah in lahko vključuje oznake govorcev; tok dogodkov se zaključi po zadnjem dogodku brez ločenega povzetka JSON. Njegov način delnih rezultatov delta vrača prirastke besedila, dogodek končnega prepisa pa vsebuje celotno besedilo.
Pripravite datoteko RIFF/WAVE z enokanalnim zvokom PCM s 16-bitnimi celimi števili pri 16 ali 24 kHz. Izvorna frekvenca modela je 24 kHz, vmesnik pa sprejema tudi 16 kHz. Druge vsebnike ali kodiranja pred posredovanjem posnetka pretvorite v to podprto obliko WAV. Profil prepisovanja datotek dovoljuje zvok do 10 minut in celotno telo zahteve do 32 MB. Izvorni posnetek in morebitno pretvorbo hranite skupaj z vrnjenim prepisom za poznejši pregled s poslušanjem.
Potek dela z zvokom v živo uporablja neobdelani predznačeni 16-bitni enokanalni PCM z zapisom little-endian, z zvokom pri 16 ali 24 kHz, posredovanim približno v realnem času. Dokumentirano okno seje je 60 minut. Meta opisuje izvorni zvočni vhod, daljši od ene ure; dokumentirane omejitve datotek in sej v živo ostajajo ločene meje vmesnikov. Posneti ali živi potek izberite glede na to, ali je zvok že dokončan ali se še zajema, rezultate različnih sej pa ohranite povezane z njihovimi vhodnimi segmenti.
Muse Voice Transcribe je bil naučen na podatkih v več kot 70 jezikih, dokumentirani vmesnik za prepoznavanje pa našteva 25 podprtih jezikov. Med njimi so angleščina, francoščina, nemščina, španščina, arabščina, mandarinska kitajščina, hindijščina, japonščina, korejščina, italijanščina in portugalščina. Prepoznava preklapljanje med jeziki znotraj povedi ali med njimi. Jezikovni namig lahko poimenuje jezike, pričakovane v zvoku, vendar usmerja prepoznavanje in ne prisili prepisa v en jezik.
Namigi za besedišče pomagajo pri izrazih za izdelke, kraticah, imenih ali krajih, pomembnih v posnetku. Posredujte dejanske besede in zapise, ki jih pričakujete slišati. Seznam ključnih besed vpliva na prepoznavanje, ne zagotavlja pa točnega zapisa, zato odločilne izraze preverite ob zvoku. Jezikovni namigi in ključne besede se izberejo na začetku prepisovanja; naj ostanejo primerni za ta posnetek, namesto da med potekom seje spreminjate njihov pomen.
Model podpira diarizacijo pogovorov z več kot 20 govorci. Oznaki, kot sta A in B, označujeta govorce znotraj enega prepisa. Nista preverjeni imeni in ne dokazujeta, da se oznaka v drugi seji nanaša na isto osebo. Pri izvirni nalogi analize sestanka zahtevajte govorne poteze, pripisane govorcem, ohranite posnetek in z oznakami uredite razpravo, preden prek povezanega poteka dela dodelite dejanska imena udeležencev.
Delni prepisi v živo se lahko ob dodatnem govoru spremenijo. V kumulativnem načinu cumulative vsak delni rezultat zamenja predhodno hipotezo, namesto da bi dodal še eno njeno kopijo. Zaznani konec govora označi mejo, rezultat dokončane govorne poteze pa zagotovi končno besedilo, ki se lahko razlikuje od zadnjega delnega rezultata. Prekrivajoče se govorne poteze ohranite povezane z njihovimi identifikatorji in obdelajte dokončane rezultate, preden prepis obravnavate kot zaključen. Ko se vhod v živo konča, sporočite konec vhoda in nadaljujte prejemanje, dokler niso oddani vsi čakajoči rezultati. Takojšnje zaprtje povezave lahko te rezultate zavrže; zaznana govorna meja zaključi govorno potezo in ne celotne seje.
Časovni podatki so na ravni govornih potez. Ta profil ne zagotavlja časovnih oznak na ravni besed ali ocen zaupanja, napredek obdelave zvoka pa ni časovna oznaka določene besede. Tudi zaznavanje zvočnih dogodkov, zaznavanje čustev in preoblikovanje prepisa so zunaj dokumentiranega izhodnega profila. Vrnjene intervale govornih potez uporabite za časovnico govorcev ali pregled na ravni segmentov in ohranite prepoznane besede, če ločen korak urejanja pozneje ustvari bolj urejene zapiske.
Uporabni izdelki vključujejo dokončan narekovani odlomek, prepis glasovne poizvedbe, pogovor s pripisanimi govorci ali časovnico izjav. Imena, številke in strokovne izraze primerjajte z izvornim posnetkom, ohranite povezave z načinom in časovnimi podatki ter omogočite pregled celotnih govornih potez. Prepis določa, kaj je bilo prepoznano v zvoku; odgovarjanje na izgovorjeno vprašanje, prevajanje ali pretvorba v zapisnik sestanka pripada naslednjemu koraku aplikacije.
POST /v1/audio/transcriptionsaudiotext| Polje | Vrsta | Zahteva | Vrednosti in omejitve | Privzeto |
|---|---|---|---|---|
Poljemodel | Vrstastring | ZahtevaObvezno | Vrednosti in omejitve meta/muse-voice-transcribe-1.0 | Privzeto— |
Poljeinput_audio | Vrstaobject | ZahtevaObvezno | Vrednosti in omejitve | Privzeto— |
| Parameter | Specifikacija |
|---|---|
Parametercontent_type | Specifikacijaapplication/json |
Parameterrequired | Specifikacijamodel, input_audio |
Parametermaterial_types | Specifikacijaaudio |
Parametermaterial_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}
Tarifni podatki ne dodajajo možnosti zahteve. Podprti parametri so navedeni pri izbrani metodi.
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 $0.0001 na sekundo vhodnega zvoka |
Ailoot pred zahtevo rezervira ocenjeni znesek. Po rezultatu obračuna končni strošek na podlagi izmerjene porabe. Obračun pretakanja uporablja končni zapis porabe. Kako delujeta rezervacija in obračun →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"\nexport AILOOT_AUDIO_FILE\npython3 - <<'PY_REQUEST'\nimport base64, io, json, os, wave\nfrom pathlib import Path\naudio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()\nif not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):\n raise SystemExit('Supply your actual PCM WAV audio file')\nwith wave.open(io.BytesIO(audio), 'rb') as recording:\n if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:\n raise SystemExit('Supply a nonempty PCM WAV recording')\nrequest = {'model': 'meta/muse-voice-transcribe-1.0', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}\nPath('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o response.bin\n# Retain the complete original response, headers and actual X-Client-Request-ID.\n# Read existing owned records for recovery; do not resubmit an uncertain operation.\nCelotno 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}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}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.
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.
| Polje | Vrsta |
|---|---|
Poljetext (when present) | Vrsta |
Poljeusage (when present) | Vrsta |
| 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. |
Ailoot Ultra meta/muse-voice-transcribe-1.0
Uporabite zgoraj navedene poti metod.