Source: https://ailoot.ai/models/sv/fish-audio-transcribe-1-pro/ Canonical: https://ailoot.ai/models/sv/fish-audio-transcribe-1-pro/ Language: sv # Fish Audio: Transcribe 1 Pro [Markdown](https://ailoot.ai/models/sv/fish-audio-transcribe-1-pro/index.md) · [JSON](https://ailoot.ai/models/sv/fish-audio-transcribe-1-pro/facts.json) ## [Fish Audio: Transcribe 1 Pro](https://ailoot.ai/models/sv/fish-audio-transcribe-1-pro/) Transcribe 1 Pro omvandlar inspelningar på upp till 60 minuter till text med talarmarkörer och valfria tidsangivelser på ordnivå. Den bevarar markeringar för känslor och vokala händelser som härleds ur ljudet, vilket gör intervjuer, möten och poddar lättare att granska, söka i eller förbereda för undertextning. - [**Ailoot Ultra · Taligenkänning** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro`](https://ailoot.ai/models/sv/fish-audio-transcribe-1-pro/#method-0) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. Transcribe 1 Pro är Fish Audios tal-till-text-modell för korta klipp, samtal med flera talare och långa inspelningar. Den tar emot inspelat ljud och returnerar en transkription med valfria tidsangivelser och strukturerade talarturer. Dess särskilda egenskaper är talarbyten markerade i texten och markeringar för känslor eller vokala händelser, som bevarar mer av inspelningens samtalsstruktur än en ren följd av ord. För en intervju, ett möte eller en podd bevaras hela samtalet i en fil så att återkommande talare kan behålla konsekventa etiketter inom svaret. Ett användbart granskningsunderlag är en transkription kopplad till originalinspelningen, med turerna visade separat och en tidsstämpel tillgänglig för att kontrollera ett citat. En sammanfattning eller åtgärdslista är ett efterföljande applikationssteg: håll den separat från transkriptionen så att den talade källan förblir tillgänglig för jämförelse. Tillverkaren accepterar inspelningar på upp till 60 minuter och beskriver bearbetning av långa filer med komprimerat ljud som MP3, Opus eller AAC. Format som stöds är WAV, MP3, AAC i M4A eller MP4, FLAC, Ogg med Opus eller Vorbis, WebM/Matroska och MOV. För en videofil används det första ljudspåret. AIFF, CAF, WMA, AMR, AC-3 och rå PCM utan filhuvud stöds inte. En ljudfil anges per begäran; resultatet kommer efter att hela inspelningen har transkriberats, och en lång inspelning kan ta flera minuter. Klipp kortare än cirka 0,08 sekunder avvisas. Tillverkarens svar innehåller hela texten, inspelningens längd i sekunder och en segments-array. Pro markerar talarbyten direkt i texten med etiketter som \<|speaker:0|\> och \<|speaker:1|\>; en etikett gäller den efterföljande texten fram till nästa markör. Dessa är identifierare inom ett svar, inte verifierade namn eller identiteter som kan matchas mellan begäranden. Om transkriptionen saknar talarmarkör behandlar guiden den som ett resultat med en talare. Behåll eventuell text före den första markören tillsammans med den första turen i stället för att kasta bort den. Tidsstämplar på ordnivå är valfria. I tillverkarens begäran är ignore\_timestamps som standard true; värdet false begär segment med text samt start- och sluttider i sekunder. Ett segment är i allmänhet ett ord, eller ett eller några få tecken på kinesiska och japanska. Segmenttexten utelämnar skiljetecken, talarmarkörer och händelsemarkeringar och kan normalisera ett uttalat värde annorlunda än den fullständiga transkriptionen. Ett ordsegment kan ha samma start- och sluttid. En tom segments-array kan betyda att tidsstämplar inte begärdes, att inget tal hittades eller att tidsangivelser tillfälligt var otillgängliga. Använd den fullständiga transkriptionen för läsbar ordalydelse och segmenten för tidsmässig justering i stället för att anta att båda strängarna matchar tecken för tecken. Inställningen diarize är som standard auto. När tidsstämplar begärs och diarize inte är false returnerar Pro även speaker\_turns. Varje tur innehåller sin talaretikett, text och start-/sluttider och bevarar skiljetecken och kvarvarande markeringar utan den infogade talarmarkören. Om ordtider saknas kan turernas tider vara ungefärliga och omfatta hela inspelningen; intilliggande turer följer inte nödvändigtvis direkt på varandra och kan överlappa. Om diarize inaktiveras tas den strukturerade turlistan bort, men talarmarkörerna finns kvar i hela texten. Ett känt antal talare, eller ett minsta och största antal, kan vägleda talarsepareringen för längre inspelningar efter bästa förmåga. Det exakta antalet kan inte kombineras med antalsgränserna, och antalsledtrådar kan inte användas när diarize är inaktiverat. Markeringar för känslor och vokala händelser visas som text inom hakparenteser, exempelvis \[laughter\], tillsammans med det igenkända talet. De är slutsatser från ljudet, inte ord som användaren behöver lägga till före transkriberingen. Pros inställning tag\_audio\_events är som standard true; om den inaktiveras tas markeringarna bort från transkriptionen och turtexten utan att tidsangivelserna ändras. Det finns inget separat känslofält eller någon fast uppräkning av känslovärden. Bevara den annoterade transkriptionen när det spelar roll hur en kommentar låter, och använd en version utan markeringar när den efterföljande produkten bara behöver de talade orden. Språket identifieras automatiskt. En valfri ISO 639-1-ledtråd med gemener tvingar inte fram översättning och ändrar inte Pros transkription. Om språket inte kan fastställas kan den returnerade språkkoden återspegla ledtråden utan att den verifieras mot ljudet. Tillverkaren rapporterar ett språk i stället för en förteckning över alla språk i en inspelning med blandade språk. Bevara den ursprungliga ordalydelsen och språkmetadata tillsammans när ett sökbart arkiv förbereds, särskilt när olika delar av ett samtal byter språk. För undertexter grupperas på varandra följande tidsangivna ord till läsbara SRT- eller WebVTT-textblock i stället för att skapa en undertext per ord. Dela upp blocken vid pauser och välj deras längd och visningstid efter spelaren och publiken. Gränser mellan talarturer kan hålla olika talare i separata textblock. Kontrollera om tidsresultatet är tomt och att varje blocks sluttid är senare än dess starttid. Undertextformatering, namn för anonyma talaretiketter och eventuella senare sammanfattningar är applikationsprodukter som byggs från transkriptionsresultatet. I ett praktiskt inspelningsflöde avgörs före transkriberingen om en vanlig läsbar transkription, annoterade samtalsturer eller tidsangivna undertexter behövs. Behåll ljudidentifieraren tillsammans med resultatet, bevara den returnerade fullständiga texten när skiljetecken och markeringar spelar roll och använd de strukturerade tidsfälten för navigering. Pros funktioner för långa inspelningar och flera talare är skilda från den allmänna Transcribe 1-modellen för korta inspelningar; deras gränser och reglage ska inte behandlas som utbytbara. **Ailoot Ultra · Taligenkänning** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro` [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/sv/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) Fish Audio /`fish-audio/transcribe-1-pro` ### Start Transcribe 1 Pro omvandlar inspelningar på upp till 60 minuter till text med talarmarkörer och valfria tidsangivelser på ordnivå. Den bevarar markeringar för känslor och vokala händelser som härleds ur ljudet, vilket gör intervjuer, möten och poddar lättare att granska, söka i eller förbereda för undertextning. Godkända indata Ljud Resultat Text ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Taligenkänning** `POST /v1/audio/transcriptions` Indatatyper `audio` Utdatatyper `text` Utdataformat json | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser fish-audio/transcribe-1-pro | Standard— | | Fält`input_audio` | Typ`object` | KravObligatoriskt | Värden & gränser Exakta nycklar: data, format | Standard— | | Fält`input_audio.data` | Typ`base64_string` | KravObligatoriskt | Värden & gränser Maximalt antal avkodade byte: 26 214 400 Strikt Base64: Ja | Standard— | | Fält`input_audio.format` | Typ`string` | KravObligatoriskt | Värden & gränser Villkor: Måste vara samma som formatet vid faktisk undersökning av filen | Standard— | | Fält`response_format` | Typ`string` | KravValfritt | Värden & gränser json | Standard— | Kombinationer av indatamaterial **speech\_to\_text** · Krävs: input\_audio.data, input\_audio.format Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, input\_audio | | Parameter`additional_properties` | Avtalfalse | | Parameter`parameters` | Avtal{"name":"model","type":"string","required":true,"enum":\["fish-audio/transcribe-1-pro"\]}, {"name":"input\_audio","type":"object","required":true,"exact\_keys":\["data","format"\],"data":"strikt base64 av faktiska ljudbyte som stöds","format":"det exakta filformat som filanalysen visar; måste stämma överens med filens faktiska byte"}, {"name":"response\_format","type":"string","required":false,"enum":\["json"\]} | | Parameter`max_audio_bytes` | Avtal26214400 | | Parameter`multipart_for_this_profile` | Avtalfalse | | Parameter`material_types` | Avtalaudio | Livscykel: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · Det task\_id som faktiskt returnerades eller en post i mediebiblioteket `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` Behåll hela svaret och de ursprungliga returnerade ID:na. Skicka aldrig en oklar skapandebegäran igen. ### Priser Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden. Snabbt läge Ej angivet När snabbt läge är valt Flex-läge Ej angivet När läget flex är valt Högsta resonemangsnivå Ej angivet När den högsta resonemangsnivån använder standardjusteringen (default) #### Ailoot-priser #### Priser efter konfiguration Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer. | Konfiguration | Prislista | Debiteringsenhet | Avgift | | --- | --- | --- | --- | | KonfigurationGrundpriser för token | PrislistaGrundpris | Debiteringsenhet— | Avgift Indata · Indatatoken **—** / 1K token Utdata · Utdatatoken **—** / 1K token Indata · Cacheläsning **—** / 1K token Indata · Skrivning till cache **—** / 1K token Indata · Skrivning till cache, 1 tim **—** / 1K token | | Konfigurationsekund inkommande ljud | Prislista— | Debiteringsenhetper sekund indataljud | Avgift Indata · sekund inkommande ljud **$0.0002** per sekund indataljud | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) #### Detaljer om referenstariffen Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden. Fish Audio: Transcribe 1 Pro #### Priser efter konfiguration | Konfiguration | Debiteringsvillkor | Avgift | | --- | --- | --- | | KonfigurationFish Audio: Transcribe 1 Pro · Standardkonfiguration | DebiteringsvillkorStandardkonfiguration | Avgift Indata · Sekunder inkommande ljud **0,0002 US$** per sekund indataljud | ### Exempelbegäranden #### Ailoot Ultra · Taligenkänning curl · faktiska ljudbyte och identifierat format ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set your actual audio file}" : "${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}" export AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "fish-audio/transcribe-1-pro", "response_format": "json"}') import base64 f=Path(os.environ['AILOOT_AUDIO_FILE']) raw=f.read_bytes() if not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB') fmt=os.environ['AILOOT_AUDIO_FORMAT'].strip() if not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes') p['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt} Path('request.json').write_text(json.dumps(p,ensure_ascii=False)) 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 result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path('result.json').read_text()) print(json.dumps(r,ensure_ascii=False,indent=2)) print('Keep the complete JSON and response headers; do not resubmit an unknown creation.') PY_RESULT ``` ### Ta emot och spara resultat #### Ailoot Ultra · Taligenkänning json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /v1/media/assets/{asset_id}` ##### Behåll alla färdiga resultat Behåll varje fullständigt returnerat svar, fil och innehållsdel. Behåll hela JSON-svaret, svarshuvuden, text och varje faktiskt returnerat förbrukningsfält. Använd faktiska uppgifts- och tillgångsidentiteter från svaret eller biblioteket med dina tillgångar; operation\_id är inte task\_id. ##### Om det ursprungliga svaret behöver kontrolleras Behåll de ursprungliga värdena för operation\_id/X-Client-Request-ID för avstämning utan att skicka förfrågan igen; det finns ingen särskild rutt för statusavläsning av ljud. Svarsfält | Fält | Typ | Betydelse | | --- | --- | --- | | Fält`text` | Typstring | BetydelseTranskriberad text. | | Fält`usage` | Typobject | BetydelseLjudförbrukning. | | Fält`usage.seconds` | Typnumber | BetydelseLjudlängd i sekunder. | | Fält`duration` | Typnumber | BetydelseLjudlängd i sekunder. | | Fält`task_id` | Typstring | BetydelseTranskriberingsuppgiftens ID; returneras med asset\_url när en icke-tom transkribering lagras, publiceras och tilldelas en signerad URL till innehållet. | | Fält`asset_url` | Typstring | BetydelseSignerad URL till transkriberingens innehåll; returneras med task\_id när en icke-tom transkribering lagras, publiceras och tilldelas en signerad URL till innehållet. | Fel och nästa steg | Svar | Villkor | Nästa steg | | --- | --- | --- | | Svar400 · `invalid_request_error` | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. | | Svar`server_error` | VillkorDet returnerade svaret anger att operationen eller resultatet behöver kontrolleras | Nästa stegSpara det ursprungliga operations- eller uppgifts-ID som returnerades, förfrågans headers och svaret. Fortsätt att läsa den ursprungliga operationen med de läsmetoder som stöds. Skicka inte skapandeförfrågan igen. | ### Alias #### Modellalias **Ailoot Ultra** [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/sv/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/sv/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) FAQ · Fish Audio: Transcribe 1 Pro Vilka indata och resultat finns? `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `audio` → `text` Vilka fält använder begäran? `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `model`, `input_audio`, `response_format` Anslut Ailoot till Claude Code, OpenCode, Hermes eller din app. ## Företaget och dess projektportfölj Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. ## Köp token med rabatt. Prenumerationsrabatt för återkommande arbete. Kampanjkoder ger upp till 50% vid tokenköp. Prenumeration Välj en rabatterad plan för återkommande anrop. Kampanjkod upp till 50% Ange koden vid köpet. Priset räknas om enligt kampanjen. Kostnader i historiken Modell, token och belopp sparas för varje anrop. [Välj prenumeration](https://ailoot.ai/docs/sv/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/sv/) ## Anslut API till produkten som du säljer. SaaS, appar och botar enligt Ailoots officiella villkor och licensavtal. Begär återförsäljarlicens för vidareförsäljning. Kommersiell applikation Bygg text-, bild-, video- och ljudgenerering i tjänstens betalda funktioner. Återförsäljarlicens Skicka projektbeskrivning och åtkomstupplägg. Begär skriftliga villkor för användning och vidareförsäljning. Dokument på webbplatsen Officiella villkor, licensavtal och databehandlingspolicy finns tillgängliga före anslutning. [Begär återförsäljarlicens](mailto:support@ailoot.ai) · [Officiella villkor och licensavtal](https://ailoot.ai/legal/offer?lang=sv) ## Ailoot · Företaget och dess projektportfölj Ailoot bygger på etablerad driftserfarenhet, en stor kundbas, stabil service och löpande KPI-kontroll. Företaget och dess projektportfölj: miljontals kunder; månatlig försäljning för miljarder. Ailoot använder denna driftserfarenhet för API-åtkomst till AI-funktioner i kundernas produkter, agenter, applikationer och automatiseringar.