ElevenLabs: Scribe v2 Medical

ElevenLabs Scribe v2 Medical ถอดเสียงทางคลินิกที่บันทึกไว้ โดยปรับการรู้จำศัพท์สำหรับชื่อยา กายวิภาคศาสตร์ และพยาธิวิทยา รองรับมากกว่า 90 ภาษา เวลาในระดับคำ การแยกผู้พูด และคำสำคัญตามบริบท ผลลัพธ์คือร่างข้อความถอดเสียงที่ตรวจทานได้สำหรับจัดทำเอกสาร ไม่ใช่การตีความทางคลินิก

Ailoot Ultra · การถอดเสียง POST /v1/audio/transcriptions elevenlabs/scribe-v2-medical

เกี่ยวกับโมเดล

คำอธิบายนี้ครอบคลุมความสามารถของโมเดล อินพุต เอาต์พุต และตัวเลือกที่ใช้ได้ใน Ailoot แสดงด้านล่างตามเมธอดที่เลือก

ElevenLabs Scribe v2 Medical เป็นรุ่นรู้จำเสียงพูดแบบ batch ที่เชี่ยวชาญด้านเสียงทางการแพทย์และทางคลินิก เป็นรุ่นปรับจูนของ Scribe v2 โดยมุ่งรู้จำชื่อยา กายวิภาคศาสตร์ พยาธิวิทยา และการบอกข้อความทางคลินิก พร้อมคงเวิร์กโฟลว์ถอดเสียงทั่วไปไว้ โมเดลแปลงไฟล์บันทึกที่ป้อนเป็นร่างข้อความพร้อมข้อมูลเวลาและคำกำกับผู้พูดที่เลือกเปิดได้ การใช้งานที่ผู้สร้างตั้งใจไว้คือการจัดทำเอกสารและเวิร์กโฟลว์ธุรการที่เกี่ยวข้อง โดยต้องตรวจทานและแก้ไขข้อความก่อนใช้

ข้อมูลนำเข้าที่มีประโยชน์ ได้แก่ บทสนทนาระหว่างบุคลากรทางคลินิกกับผู้ป่วยที่บันทึกไว้ การบอกข้อความด้วยเสียง สายรับข้อมูลเบื้องต้น หรือการหารือประสานการดูแล เก็บไฟล์บันทึกต้นฉบับและคำพูดรอบข้างให้เพียงพอเพื่อแยกแยะคำศัพท์ตามบริบท หลีกเลี่ยงเสียงแตกจากการตัดยอดสัญญาณ และแยกช่องเสียงผู้พูดที่มีความหมายไว้เมื่อต้นฉบับจัดมาเช่นนั้น อินเทอร์เฟซถอดเสียง batch ที่ใช้ร่วมกันของผู้ผลิตรองรับรูปแบบเสียงทั่วไป เช่น WAV, MP3, FLAC และ M4A การปรับการรู้จำศัพท์ทางการแพทย์ช่วยให้งานตรงจุดขึ้น แต่ไม่ได้สร้างส่วนของบันทึกที่หายไปอย่างชัดเจนหรือฟังไม่ออกกลับคืนมา

ผู้ผลิตระบุในเอกสารว่ารองรับมากกว่า 90 ภาษาเช่นเดียวกับ Scribe v2 ข้อมูลสาธารณะด้านการถอดเสียงทางการแพทย์รายงานว่าการปรับปรุงความแม่นยำทางการแพทย์วัดในภาษาอังกฤษ ฝรั่งเศส และเยอรมัน ข้อค้นพบเหล่านั้นไม่ได้ยืนยันว่าประสิทธิภาพการรู้จำศัพท์เฉพาะเท่ากันทุกภาษาที่รองรับ ระบุภาษาที่ทราบเมื่อมีประโยชน์ คงชื่อและศัพท์ที่สลับภาษา และตรวจคำศัพท์ทางคลินิกที่ไม่พบบ่อยเทียบกับเสียงจริง แทนที่จะยอมรับเพียงเพราะประโยคอ่านได้ลื่นไหล

ผลลัพธ์การถอดเสียงมีข้อความที่รู้จำและคำพร้อมข้อมูลเวลา โดยเลือกเพิ่มป้ายกำกับผู้พูดและแท็กเหตุการณ์เสียงได้ เวลาเริ่มและสิ้นสุดของคำช่วยให้กลับไปฟังชื่อยา จำนวนที่พูด หรือคำแก้ไขในไฟล์บันทึกได้ ดังนั้นผลงานจากการบอกข้อความที่มีประโยชน์คือข้อความถอดเสียงพร้อมบันทึกที่จัดแนวตามคำ ทบทวนรายละเอียดอ่อนไหวในบริบทคำพูดเต็ม รวมถึงคำปฏิเสธ ความไม่แน่นอน และความต่างระหว่างสิ่งที่ผู้ป่วยรายงานกับสิ่งที่บุคลากรทางคลินิกกล่าว

สำหรับการบันทึกบทสนทนาระหว่างการพบผู้ป่วย การแยกผู้พูดช่วยจัดระเบียบว่าใครพูดเมื่อใด ให้ถือป้ายกำกับที่อนุมานขึ้นเป็นการจัดกลุ่มคำพูด แล้วเชื่อมกับบทบาทหรือตัวตนที่ทราบโดยใช้บันทึกการพบผู้ป่วย เสียงซ้อนหรือผู้พูดที่เสียงคล้ายกันต้องใส่ใจเป็นพิเศษเมื่อทบทวนการเปลี่ยนเทิร์น หากแต่ละช่องบันทึกมีผู้พูดหนึ่งคน อินเทอร์เฟซ batch ที่ใช้ร่วมกันยังให้ถอดเสียงแต่ละช่องอย่างอิสระได้ แยกการระบุผู้พูดตามช่องออกจากการแยกผู้พูดที่อนุมานจากเสียงผสม และคงการจัดวางต้นฉบับไว้เมื่อช่วยตรวจทานผลลัพธ์

การป้อนคำสำคัญช่วยให้คำหรือวลีที่เกี่ยวข้องนำทางการรู้จำโดยอาศัยบริบท เตรียมอภิธานศัพท์ที่เจาะจงจากศัพท์จริงที่คาดว่าจะพบในไฟล์บันทึก รวมการสะกดที่ถูกต้องและคำย่อที่สำคัญต่องานจัดทำเอกสาร คู่มือ batch ของผู้สร้างอนุญาตคำสำคัญสูงสุด 1,000 รายการ โดยควรสั้นและเกี่ยวข้อง แทนที่จะเป็นรายการศัพท์ครอบคลุมที่ไม่เกี่ยวข้อง ตรวจคำสำคัญตรงตำแหน่งเวลาของคำเหล่านั้น คำสำคัญที่ป้อนเป็นคำใบ้สำหรับการรู้จำ ไม่ใช่หลักฐานว่ามีการพูดคำนั้น และไม่ใช่คำสั่งให้แทนคำอื่นที่ได้ยิน

ผู้สร้างอธิบายการตรวจจับเอนทิตีที่เลือกเปิดได้ ซึ่งรวมข้อมูลสุขภาพบางหมวด พร้อมกับข้อความถอดเสียง คำกำกับเหล่านี้ช่วยให้กระบวนการตรวจทานที่ได้รับอนุญาตค้นหาช่วงข้อความที่เกี่ยวข้องเพื่อแก้ไขหรือจัดการได้ อินเทอร์เฟซ batch ที่ใช้ร่วมกันยังมีการปกปิดเอนทิตี ซึ่งปิดบังข้อความที่ตรวจพบด้วยป้ายกำกับแทนที่ โดยต้องใช้การตรวจจับเอนทิตี และจะไม่ส่งรายการเอนทิตีกลับเมื่อเปิดการปกปิด เก็บข้อความและข้อมูลเวลาที่ส่งกลับไว้ด้วยกันพร้อมคำกำกับที่มีในผลลัพธ์ที่เลือก การแก้ไข สรุป หรือสกัดข้อมูลในขั้นปลายทางเป็นการแปลงข้อความถอดเสียงอีกขั้นหนึ่ง และควรรักษาความเชื่อมโยงกับถ้อยคำที่บันทึกไว้ ตัวอย่างเช่น ประโยคที่เกลาแล้วไม่ควรลบคำแก้ไขที่พูดไว้หรือเปลี่ยนข้อความที่ยังไม่แน่นอนให้เป็นข้อค้นพบที่แน่ชัด

งานที่กำหนดไว้ของรุ่นการแพทย์คือการถอดเสียง ผู้ผลิตระบุชัดว่าจุดประสงค์การใช้งานไม่ครอบคลุมการตีความข้อมูลทางคลินิก การวินิจฉัย คำแนะนำการรักษา และการชี้นำการตัดสินใจทางคลินิก สำหรับเวิร์กโฟลว์จัดทำเอกสารที่เสร็จสมบูรณ์ บุคลากรสุขภาพที่เกี่ยวข้องหรือผู้ตรวจทานที่ได้รับอนุญาตต้องตรวจร่างเทียบกับไฟล์บันทึกและแก้ข้อผิดพลาดสำคัญ โมเดลให้บันทึกข้อความเพื่อสนับสนุนงานนั้น ข้อความถอดเสียงเองไม่ได้ยืนยันความถูกต้องของข้อความทางคลินิกหรือทดแทนการตรวจทาน

แยกรุ่นให้ชัดเจนเมื่อเตรียมงาน Scribe v2 Medical ประมวลผลเสียงที่บันทึกไว้ ส่วน Scribe v2 Realtime เป็นโมเดลถอดเสียงสดอีกตัวหนึ่ง รุ่นปรับจูนทางการแพทย์ไม่ได้รับขีดจำกัดหรือความสามารถในการสังเคราะห์เสียงมาเพียงเพราะผู้สร้างรายเดียวกันมีผลิตภัณฑ์เสียงพูด ผลลัพธ์ที่มีประโยชน์คือร่างข้อความถอดเสียงที่ผ่านการตรวจทาน พร้อมข้อมูลเวลาและผู้พูดที่เหมาะกับไฟล์บันทึก โดยคงรายละเอียดที่ฟังไม่ออกหรือไม่แน่นอนไว้ให้เห็นเพื่อแก้ไข แทนการเติมภาษาทางคลินิกที่ดูเป็นไปได้ลงไปโดยไม่แจ้ง

Ailoot Ultra · การถอดเสียง POST /v1/audio/transcriptions elevenlabs/scribe-v2-medical

elevenlabs/scribe-v2-medical

ElevenLabs /elevenlabs/scribe-v2-medical

เริ่มต้น

อินพุตที่รองรับ: เสียง
ผลลัพธ์: ข้อความ

ใช้งานได้ใน Ailoot · อินพุตและเมธอด

Ailoot Ultra · การถอดเสียง POST /v1/audio/transcriptions

ขาเข้า: audio
ขาออก: text

ฟิลด์	ประเภท	ข้อกำหนด	ค่าและข้อจำกัด	ค่าเริ่มต้น
ฟิลด์`model`	ประเภท`string`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด elevenlabs/scribe-v2-medical	ค่าเริ่มต้น—
ฟิลด์`input_audio`	ประเภท`object`	ข้อกำหนดจำเป็น	ค่าและข้อจำกัด	ค่าเริ่มต้น—

พารามิเตอร์และวงจรการทำงานของเมธอด

พารามิเตอร์	ข้อกำหนด
พารามิเตอร์`content_type`	ข้อกำหนดapplication/json
พารามิเตอร์`required`	ข้อกำหนดmodel, input_audio
พารามิเตอร์`material_types`	ข้อกำหนดaudio
พารามิเตอร์`material_conditions`	ข้อกำหนดตัวอย่างนี้อ่านไฟล์ PCM WAV จริงของคุณที่ไม่ว่าง เข้ารหัสไบต์ทั้งหมดของไฟล์เป็น base64 และส่ง input_audio.format เป็น wav

วงจรการทำงาน: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id ที่ตรงตามบันทึกสื่อเดิมซึ่งเป็นของคุณ

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

ราคา

ข้อมูลอัตราราคาไม่ได้เพิ่มตัวเลือกคำขอ พารามิเตอร์ที่รองรับระบุไว้สำหรับเมธอดที่เลือก

โหมดรวดเร็ว: ไม่ได้ระบุ เมื่อเลือกโหมดรวดเร็ว
โหมดยืดหยุ่น: ไม่ได้ระบุ เมื่อเลือกโหมด flex
ระดับการใช้เหตุผลสูงสุด: ไม่ได้ระบุ เมื่อใช้การปรับตามค่าเริ่มต้น (default) สำหรับระดับการใช้เหตุผลสูงสุด

อัตราค่าบริการ Ailoot

ราคาตามการตั้งค่า

เทียบค่าบริการแต่ละรายการกับเงื่อนไขที่แสดง เลือกใช้อัตราเดียวสำหรับแต่ละชุดการตั้งค่าที่เป็นตัวเลือกทดแทนกัน

การตั้งค่า	ตารางอัตราค่าบริการ	หน่วยคิดค่าบริการ	ค่าบริการ
การตั้งค่าอัตราค่าบริการโทเคนพื้นฐาน	ตารางอัตราค่าบริการอัตราพื้นฐาน	หน่วยคิดค่าบริการ—	ค่าบริการ ขาเข้า · โทเค็นอินพุต — / 1K โทเค็น ขาออก · โทเค็นเอาต์พุต — / 1K โทเค็น ขาเข้า · การอ่านแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช — / 1K โทเค็น ขาเข้า · การเขียนแคช, 1 ชั่วโมง — / 1K โทเค็น
การตั้งค่าวินาทีเสียงขาเข้า	ตารางอัตราค่าบริการ—	หน่วยคิดค่าบริการต่อวินาทีของเสียงอินพุต	ค่าบริการ ขาเข้า · วินาทีเสียงขาเข้า $0.0001222222222222 ต่อวินาทีของเสียงอินพุต

Ailoot กันยอดเงินประมาณการไว้ก่อนส่งคำขอ หลังได้ผลลัพธ์ จะคิดค่าบริการสุดท้ายตามการใช้งานที่วัดได้ การคิดค่าบริการแบบสตรีมใช้บันทึกการใช้งานสุดท้าย วิธีกันยอดเงินและคิดค่าบริการสุดท้าย →

ตัวอย่างคำขอ

Ailoot Ultra · การถอดเสียง

curl · ไฟล์ WAV จริงและผลลัพธ์ต้นฉบับที่ครบถ้วน

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': 'elevenlabs/scribe-v2-medical', '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.

รับและบันทึกผลลัพธ์

Ailoot Ultra · การถอดเสียง

เนื้อหาการตอบกลับเดิมทั้งหมด สถานะ และส่วนหัวที่ส่งต่อ ตัวจัดการนี้ไม่เพิ่มโครงสร้าง JSON ฟิลด์ข้อความ หรือโครงสร้างห่อหุ้มงานแบบสากล

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

เก็บผลลัพธ์ที่เสร็จสมบูรณ์ทั้งหมด

เก็บทุกการตอบกลับ ไฟล์ และส่วนเนื้อหาที่ส่งกลับมาอย่างครบถ้วน

เก็บการตอบกลับและส่วนหัวให้ครบถ้วน เก็บผลลัพธ์จริงทุกรายการ ตัวระบุที่ส่งกลับมาแต่เดิม และฟิลด์ข้อมูลการใช้งานทั้งหมด กู้คืนการดำเนินการเดิมโดยไม่ส่งคำขอสร้างซ้ำ

เมื่อต้องตรวจสอบการตอบกลับต้นฉบับ

เก็บ X-Client-Request-ID จริงและการตอบกลับทั้งหมด อ่านแอสเซ็ตเดิมที่เป็นของคุณและ URL เนื้อหาที่ลงลายเซ็นตรงตามที่ส่งกลับ ห้ามส่งคำขอสร้างที่ยังไม่แน่ชัดซ้ำ

ฟิลด์การตอบกลับ

ฟิลด์	ประเภท
ฟิลด์`text (when present)`	ประเภท
ฟิลด์`usage (when present)`	ประเภท

ข้อผิดพลาดและขั้นตอนถัดไป

การตอบกลับ	เงื่อนไข	ขั้นตอนถัดไป
การตอบกลับ400 · `invalid_request_error`	เงื่อนไขเนื้อหา JSON หรือ ID โมเดลมาตรฐานที่ระบุชัดเจนไม่ถูกต้อง	ขั้นตอนถัดไปเก็บการตอบกลับและแก้ไขฟิลด์คำขอที่ระบุ
การตอบกลับ401 · `authentication_error`	เงื่อนไขคีย์ API ของ Ailoot ไม่ถูกต้อง	ขั้นตอนถัดไปใช้คีย์ API ของ Ailoot ที่คุณได้รับอนุญาต
การตอบกลับ403 · `permission_error`	เงื่อนไขกลุ่มคีย์ไม่อนุญาตให้ใช้เมธอดนี้	ขั้นตอนถัดไปเก็บรายละเอียดข้อผิดพลาดที่ส่งกลับไว้
การตอบกลับ404 · `not_found_error`	เงื่อนไขเมธอดที่เลือกไม่มีเส้นทางที่ได้รับอนุญาต	ขั้นตอนถัดไปเก็บรายละเอียดข้อผิดพลาดที่ส่งกลับไว้
การตอบกลับ422 · `price_unavailable`	เงื่อนไขอัตราค่าบริการที่ยอมรับไม่สามารถระบุปริมาณข้อมูลขาเข้าหรือขอบเขตที่จำเป็นได้	ขั้นตอนถัดไปเก็บการตอบกลับไว้ ใช้รูปแบบข้อมูลขาเข้าที่อัตราค่าบริการที่ยอมรับกำหนดไว้
การตอบกลับ503 ·	เงื่อนไขที่เก็บข้อมูล เส้นทาง ราคาเมธอด หรือการกันวงเงินที่จำเป็นไม่พร้อมใช้งาน	ขั้นตอนถัดไปเก็บการตอบกลับเดิมทั้งหมด การกันวงเงินที่ไม่แน่นอนไม่อนุญาตให้ส่งซ้ำ
การตอบกลับ502 · `server_error`	เงื่อนไขต้องตรวจสอบผลลัพธ์ การใช้งาน หรือการชำระบัญชีเดิม	ขั้นตอนถัดไปเก็บ ID คำขอจริงและการตอบกลับเดิม อ่านบันทึกเดิมที่เป็นของคุณ อย่าส่งคำขอสร้างซ้ำ

ชื่ออื่น

ชื่ออื่นของโมเดล

Ailoot Ultra elevenlabs/scribe-v2-medical

ชื่อพาธเมธอดอื่น

ใช้พาธเมธอดที่แสดงด้านบน

ID ที่เกี่ยวข้องสำหรับเรียกใช้โมเดล

elevenlabs/scribe-v2-medical

FAQ · ElevenLabs: Scribe v2 Medical

มีอินพุตและผลลัพธ์ใดบ้าง?: POST /v1/audio/transcriptions · elevenlabs/scribe-v2-medical: audio → text
คำขอใช้ฟิลด์ใดบ้าง?: POST /v1/audio/transcriptions · elevenlabs/scribe-v2-medical: model, input_audio

ElevenLabs: Scribe v2 Medical