Source: https://ailoot.ai/models/sv/meta-muse-voice-transcribe-1-0/ Canonical: https://ailoot.ai/models/sv/meta-muse-voice-transcribe-1-0/ Language: sv # Meta: Muse Voice Transcribe 1.0 [Markdown](https://ailoot.ai/models/sv/meta-muse-voice-transcribe-1-0/index.md) · [JSON](https://ailoot.ai/models/sv/meta-muse-voice-transcribe-1-0/facts.json) ## [Meta: Muse Voice Transcribe 1.0](https://ailoot.ai/models/sv/meta-muse-voice-transcribe-1-0/) Muse Voice Transcribe 1.0 är Metas tal-till-text-modell för diktering, identifierade talarturer och transkriptioner med talarindelning. Den stöder språk- och vokabulärtips, språkväxling och tidsangivelser på turnivå, med separata arbetsflöden för inspelade klipp och direktsänt ljud. - [**Ailoot Ultra · Transkribering** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/sv/meta-muse-voice-transcribe-1-0/#method-0) Om modellen Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden. Muse Voice Transcribe 1.0 är Metas modell för ljudperception, avsedd att transkribera tal, identifiera gränser mellan yttranden och koppla talarturer till talare. Den tillhör modellfamiljen Muse Spark och förenar taligenkänning, talarindelning och detektion av talslut i själva modellen. Utdata består av igenkänd text med den tids- och talarinformation som är tillgänglig i det valda läget. Modellen bearbetar ljudet i 80 millisekunder långa block och avgör när den ska fortsätta lyssna eller lämna text. Dess adaptiva fördröjning gör att den kan invänta ytterligare ljud när ett ord är svårare att tolka. Det ger preliminär text medan talet kommer in, följt av färdiga transkriptionsresultat. Behandla den preliminära hypotesen och den färdiga talarturen som olika steg i lyssningsupplevelsen. Välj mellan tre lägen. Push-to-talk är standard för ett enskilt kontrollerat yttrande, till exempel en röstfråga eller ett kort dikterat stycke. Endpointing låter modellen identifiera gränser mellan talarturer och returnera en färdig transkription för varje identifierat segment. Diarization kopplar det igenkända talet till talarmarkörer och är avsett för inspelningar med flera talare snarare än snabbast möjliga turtagning för röstkommandon. För ett inspelat klipp returnerar arbetsflödet för filtranskription en fullständig transkription i en enda begäran. Standardresultatet är JSON med transkriptionen och ljudets längd, samt en turns-array i lägena endpointing och diarization. Varje tur kan innehålla en identifierare, start och slut i millisekunder samt den igenkända texten. Talarmarkörer finns i diarization-läget. Push-to-talk ger den fullständiga transkriptionen utan identifierade turer i den arrayen. Tillverkarens gränssnitt för inspelade filer kan även returnera ren text eller en ström av transkriptionshändelser. Ren text placerar identifierade turer på separata rader och kan innehålla talarmarkörer; en händelseström avslutas efter sin sista händelse utan en separat JSON-sammanfattning. Dess delta-läge för preliminära resultat returnerar text stegvis, medan den slutliga transkriptionshändelsen innehåller hela ordalydelsen. Förbered en RIFF/WAVE-fil med enkanaligt, 16-bitars PCM-ljud med heltalssampel vid 16 eller 24 kHz. Modellens ursprungliga samplingsfrekvens är 24 kHz, och gränssnittet accepterar även 16 kHz. Konvertera andra behållarformat eller kodningar till denna WAV-form som stöds innan du skickar in en inspelning. Profilen för filtranskription tillåter ljud på upp till 10 minuter och en total begärandekropp på upp till 32 MB. Behåll originalinspelningen och eventuell konvertering tillsammans med den returnerade transkriptionen för senare granskning genom avlyssning. Arbetsflödet för direktsänt ljud använder rått enkanaligt PCM-ljud med signerade 16-bitars sampel i little-endian-format, vid 16 eller 24 kHz och med en överföringstakt som ungefär motsvarar realtid. Dess dokumenterade sessionsfönster är 60 minuter. Meta beskriver inbyggt stöd för ljudindata som är längre än en timme; de dokumenterade gränserna för filer och livesessioner förblir separata gränser i gränssnitten. Välj arbetsflödet för inspelade filer eller direktsänt ljud beroende på om ljudet redan är färdigt eller fortfarande spelas in, och håll resultaten från separata sessioner kopplade till sina egna indatasegment. Muse Voice Transcribe är tränad på fler än 70 språk, medan det dokumenterade igenkänningsgränssnittet räknar upp 25 språk som stöds. Bland dessa finns engelska, franska, tyska, spanska, arabiska, mandarin, hindi, japanska, koreanska, italienska och portugisiska. Den känner igen språkväxling inom eller mellan meningar. Ett språktips kan ange vilka språk som väntas i ljudet, men det styr igenkänningen snarare än att tvinga transkriptionen till ett enda språk. Vokabulärtips hjälper med produkttermer, akronymer, namn eller platser som är viktiga i en inspelning. Ange de faktiska ord och stavningar som du väntar dig att höra. Nyckelordslistan påverkar igenkänningen utan att garantera exakt stavning, så kontrollera avgörande termer mot ljudet. Språktips och nyckelord väljs när transkriptionen börjar; håll dem anpassade till just den inspelningen i stället för att ändra deras innebörd medan en session pågår. Modellen stöder talarindelning för samtal med fler än 20 talare. Markörer som A och B identifierar talare inom en och samma transkription. De är inte verifierade namn och fastställer inte att en markör avser samma person i en annan session. När uppgiften är att analysera ett möte kan du begära turer med talartilldelning, behålla inspelningen och använda markörerna för att ordna diskussionen innan verkliga deltagarnamn tilldelas genom det omgivande arbetsflödet. Preliminära transkriptioner av direktsänt ljud kan ändras när mer tal kommer in. I kumulativt läge ersätter varje preliminärt resultat den föregående hypotesen i stället för att lägga till ännu en kopia av den. Ett identifierat talslut markerar en gräns, medan resultatet för den färdiga turen ger den slutliga texten och kan skilja sig från det sista preliminära resultatet. Håll överlappande turer kopplade till sina turidentifierare och ta emot de färdiga resultaten innan du betraktar en transkription som avslutad. När inmatningen av direktsänt ljud upphör ska du signalera slut på indata och fortsätta ta emot tills producenten har levererat alla väntande resultat. Om anslutningen stängs omedelbart kan dessa resultat gå förlorade; en identifierad talgräns avslutar en tur snarare än hela sessionen. Tidsangivelserna ligger på turnivå. Den här profilen ger varken tidsstämplar på ordnivå eller konfidensvärden, och ljudbearbetningens förlopp är inte en tidsstämpel för ett visst ord. Detektion av ljudhändelser, känsloidentifiering och omformatering av transkriptionen ligger också utanför den dokumenterade utdataprofilen. Använd de returnerade turintervallen för en talartidslinje eller granskning på segmentnivå, och behåll de igenkända orden om ett separat redigeringssteg senare skapar mer lättlästa anteckningar. Användbara resultat omfattar ett färdigdikterat stycke, en transkription av en röstfråga, ett samtal med talartilldelning eller en tidslinje över yttranden. Jämför namn, tal och tekniska termer med originalinspelningen, bevara kopplingarna till läge och tidsangivelser, och håll de fullständiga turerna tillgängliga för granskning. Transkriptionen fastställer vad som kändes igen i ljudet; att besvara en talad fråga, översätta den eller omvandla den till mötesanteckningar hör till ett efterföljande steg i applikationen. **Ailoot Ultra · Transkribering** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0` [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/sv/#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` ### Start Muse Voice Transcribe 1.0 är Metas tal-till-text-modell för diktering, identifierade talarturer och transkriptioner med talarindelning. Den stöder språk- och vokabulärtips, språkväxling och tidsangivelser på turnivå, med separata arbetsflöden för inspelade klipp och direktsänt ljud. Godkända indata Ljud Resultat Text ### Tillgängligt i Ailoot · indata & metoder **Ailoot Ultra · Transkribering** `POST /v1/audio/transcriptions` Indatatyper `audio` Utdatatyper `text` | Fält | Typ | Krav | Värden & gränser | Standard | | --- | --- | --- | --- | --- | | Fält`model` | Typ`string` | KravObligatoriskt | Värden & gränser meta/muse-voice-transcribe-1.0 | Standard— | | Fält`input_audio` | Typ`object` | KravObligatoriskt | Värden & gränser | Standard— | Metodparametrar och livscykel | Parameter | Avtal | | --- | --- | | Parameter`content_type` | Avtalapplication/json | | Parameter`required` | Avtalmodel, input\_audio | | Parameter`material_types` | Avtalaudio | | Parameter`material_conditions` | AvtalExemplet läser din faktiska, icke-tomma PCM WAV-fil, kodar filens samtliga byte som base64 och skickar input\_audio.format som wav. | Livscykel: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · exakt task\_id från en befintlig mediepost som du äger `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### 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 **$0.0001** per sekund indataljud | Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. [Så fungerar reservation och slutreglering →](https://ailoot.ai/docs/sv/billing/reserve/) ### Exempelbegäranden #### Ailoot Ultra · Transkribering curl · faktisk WAV-fil och hela det ursprungliga resultatet ```bash set -eu : "${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. ``` ### Ta emot och spara resultat #### Ailoot Ultra · Transkribering Hela den ursprungliga svarskroppen, statusen och vidarebefordrade svarshuvuden. Denna hanterare lägger inte till någon universell JSON-struktur, något textfält eller något uppgiftshölje. - `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. Spara hela svaret med headers, samtliga faktiska resultat, de ursprungliga returnerade identifierarna och alla användningsfält. Hämta den ursprungliga operationen utan att skicka skapandeförfrågan igen. ##### Om det ursprungliga svaret behöver kontrolleras Behåll faktiskt X-Client-Request-ID och hela svaret. Läs de ursprungliga tillgångarna som du äger och deras exakta signerade innehållslänkar; skicka aldrig en osäker skapandebegäran igen. Svarsfält | Fält | Typ | | --- | --- | | Fält`text (when present)` | Typ | | Fält`usage (when present)` | Typ | Fel och nästa steg | Svar | Villkor | Nästa steg | | --- | --- | --- | | Svar400 · `invalid_request_error` | VillkorJSON-kroppen eller det uttryckliga kanoniska modell-ID:t är ogiltigt. | Nästa stegBehåll svaret och korrigera det angivna fältet i begäran. | | Svar401 · `authentication_error` | VillkorAPI-nyckeln för Ailoot är ogiltig. | Nästa stegAnvänd din behöriga API-nyckel för Ailoot. | | Svar403 · `permission_error` | VillkorNyckelgruppen ger inte tillträde till denna metod. | Nästa stegBehåll de returnerade feluppgifterna. | | Svar404 · `not_found_error` | VillkorDen valda metoden har ingen tillåten rutt. | Nästa stegBehåll de returnerade feluppgifterna. | | Svar422 · `price_unavailable` | VillkorDen accepterade tariffen kan inte fastställa den mängd eller gräns för indata som krävs. | Nästa stegBehåll svaret; använd den representation av indata som den accepterade tariffen kräver. | | Svar503 · `` | VillkorNödvändig lagring, rutt, metodpris eller reservation är inte tillgänglig. | Nästa stegBehåll hela det ursprungliga svaret. En osäker reservation ger inte tillstånd att skicka in igen. | | Svar502 · `server_error` | VillkorDet ursprungliga resultatet, förbrukningen eller avräkningen kräver kontroll. | Nästa stegBehåll det faktiska begärans-ID:t och det ursprungliga svaret. Läs den befintliga posten som du äger; skicka inte skapandebegäran igen. | ### Alias #### Modellalias **Ailoot Ultra** [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/sv/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions) #### Alias för metodsökvägar Använd metodsökvägarna som visas ovan. #### Relaterade anropar-ID:n [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/sv/#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 Vilka indata och resultat finns? `POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `audio` → `text` Vilka fält använder begäran? `POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `model`, `input_audio` 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.