AssemblyAI: Universal-3.5 Pro

Universal-3.5 Pro — AssemblyAI’ning qisqa audio klipni bitta javobda to‘liq transkriptga aylantiradigan nutqni matnga o‘girish modeli. Uning Sync profili ovozli kirish va tugmani bosib gapirish jarayonlari uchun so‘z ishonchliligi, ixtiyoriy so‘z vaqt belgilari, lug‘at ko‘rsatmalari va oldingi suhbat kontekstini qo‘shadi.

Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions assemblyai/universal-3-5-pro

Model haqida

Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.

Universal-3.5 Pro — AssemblyAI’ning yozib olingan nutqni matnga aylantiradigan nutqni tanish modeli. Uning Sync profilida qisqa audio klip bitta javobda to‘liq transkript yaratadi. Bu ilova yozuv qachon tugashini allaqachon biladigan ovozli xabarlar, tugmani bosib gapirish kirishi va alohida suhbat navbatlariga mos.

Audioni chegaralangan klip sifatida tayyorlang. AssemblyAI’ning Sync talablari 80 millisekunddan 120 soniyagacha davomiylikni va eng katta fayl hajmi 40 MB’ni qabul qiladi. Qo‘llanadigan formatlar WAV yoki xom, ishorali 16 bitli little-endian PCM. Audio mono yoki stereo bo‘lishi mumkin, stereo ichkarida mono’ga aralashtiriladi. Qo‘llanadigan diskretlash chastotalari 8, 16, 22.05, 24, 32, 44.1 va 48 kHz. WAV sarlavhasi chastota va kanal sonini beradi; xom PCM uchun bu qiymatlar transkripsiya konfiguratsiyasida alohida berilishi kerak.

Butun aytilgan gapni yozib oling va nutqning boshi hamda oxirini saqlang. Foydali mustaqil vazifa — mahsulot nomi, buyurtma identifikatori va so‘rovni o‘z ichiga olgan qisqa mahsulot yordami ovozli xabari. Transkriptni shu muhim detallar bilan tekshirish uchun manba klipni saqlang. Uzunroq yozuvda qisqa klip davomiylik limitini butun modelning audio sig‘imi haqidagi da’vo deb olish o‘rniga, uzun yozuv transkripsiyasiga mos jarayon tayyorlang.

Natija to‘liq transkript, har bir so‘zning ishonchliligi ko‘rsatilgan so‘zlar ro‘yxati va noldan birgacha umumiy ishonchlilikni o‘z ichiga oladi. Shuningdek yuborilgan audio davomiyligi va so‘rov identifikatorini beradi, bu matnni asl klipi bilan bog‘lash imkonini yaratadi. Ayniqsa ilova uchun muhim nomlar, sonlar va soha terminlarida tinglab tekshirish kerak bo‘lgan parchalarni topish uchun so‘z ishonchliligidan foydalaning.

So‘z vaqt belgilari ixtiyoriy va standart holda o‘chiq. So‘ralganda har bir moslashtirilgan so‘z klip boshiga nisbatan millisekundlarda boshlanish va tugash vaqtini olishi mumkin. So‘zni moslashtirib bo‘lmasa, ishlab chiqaruvchi profili taxminiy vaqt o‘ylab topish o‘rniga shu qiymatlarni bo‘sh qoldiradi. Vaqt belgilarining aniqligi inglizcha audioda eng yaxshi. So‘zlarni ajratib ko‘rsatish, qidiriladigan to‘lqin shakli yoki subtitrlarni moslashtirishni tayyorlashda yo‘q vaqtlarni aniq saqlang va matnni tayyor subtitr treki sifatida ishlatishdan oldin yozuv bilan solishtiring.

Kontekstli prompt yozuv nima haqida ekanini tavsiflaydi. U soha, ssenariy yoki ilova oldindan biladigan aniq detallarni aytishi mumkin; eng katta uzunligi 6000 belgi. Muayyan qurilma haqidagi texnik yordam suhbati kabi audioga mos qisqa tavsifdan boshlang. Prompt tanish kontekstini beradi; u so‘zlovchining xabarini boshqa hujjatga qayta yozish so‘rovi emas.

Alohida keyterm ro‘yxati tanishni muayyan lug‘at tomon yo‘naltiradi. Sync profili ro‘yxat bo‘ylab 100 tagacha termin va 8000 belgi qabul qiladi. G‘ayrioddiy nomlar, qisqartmalar yoki mahsulot terminlarining aniq yozilishini ishlating; oddiy yaxshi taniladigan so‘zlarni ro‘yxatga kiritmang. Katta yoki keraksiz termin ro‘yxatlari ortiqcha tuzatishlarga olib kelishi mumkin, shu sababli yozuvda muhim so‘zlarga e’tibor bering. Kontekst tavsifi va lug‘at ro‘yxatini birga ishlatish mumkin.

Oldingi suhbat ham qisqa javobni talqin qilishga yordam berishi mumkin. Oldingi gaplarni eng eskisidan eng yangisigacha vaqt tartibida bering; joriy audio esa transkripsiya qilinadigan navbat bo‘lib qoladi. Hujjatlashtirilgan kontekst hajmi 500 navbat yoki jami 16,000 belgi. Shu chegaralar yoki mavjud model konteksti oshsa, eng eski yozuvlar birinchi olib tashlanadi. Bu qisqa javobda ma’nosi oldingi savoldan keladigan identifikator yoki havola bo‘lsa foydali.

Til tanlash tanishni bitta yoki bir nechta kutiladigan tilga yo‘naltiradi. Joriy Sync interfeysi 32 til kodini qabul qiladi va tanlov berilmasa, ingliz tilini standart oladi. Tillar almashadigan audio uchun kutiladigan tillarni sanang. Maxsus kontekstli prompt boshqariladigan standart promptni almashtiradi va alohida til kodlari yo‘naltirishidan ustun turadi; shu sababli til va ssenariy konteksti birga kerak bo‘lsa, kutiladigan tillarni prompt ichida ayting. Transkripsiyani tarjima ko‘rsatmasi deb olmay, transkriptni haqiqatan gapirilgan tillarda saqlang.

Model AssemblyAI’ning boshqa transkripsiya jarayonlarida ham mavjud, lekin Sync profilining qisqa klip talablari va natija maydonlari aynan shu interfeysga tegishli. Ishlab chiqaruvchining Dictation jarayoni alohida matn tozalash bosqichini qo‘shadi; transkript va qayta yozilgan xabar turli resurslardir. Keyingi tahrir yoki umumlashtirish tozalangan versiya yaratsa, asl ifoda taqqoslash uchun qolishi uchun tanilgan nutqni saqlang.

Foydali natijalarga transkripsiya qilingan ovozli xabar, yordamchi uchun tugallangan navbat, qisqa qidiriladigan audio matni yoki tekshirish interfeysi uchun vaqtli so‘zlar ro‘yxati kiradi. Hal qiluvchi so‘zlarni yozuv bilan tekshiring, yetishmaydigan moslashlarni saqlang va klipni qaytgan matnga bog‘liq tuting. Tanish natijasi keyingi ilova qadamiga manbaga tayangan transkripsiyani beradi; so‘rovga javob berish yoki xabarni tahrirlash atrofdagi jarayonga tegishli.

Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions assemblyai/universal-3-5-pro

assemblyai/universal-3-5-pro

AssemblyAI /assemblyai/universal-3-5-pro

Boshlash

Qabul qilinadigan kirish ma’lumotlari: Audio
Natijalar: Matn

Ailoot da mavjud · kirish ma’lumotlari va usullar

Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions

Kirish: audio
Chiqish: text

Maydon	Tur	Talab	Qiymatlar va cheklovlar	Standart
Maydon`model`	Tur`string`	TalabMajburiy	Qiymatlar va cheklovlar assemblyai/universal-3-5-pro	Standart—
Maydon`input_audio`	Tur`object`	TalabMajburiy	Qiymatlar va cheklovlar	Standart—

Usul parametrlari va hayot sikli

Parametr	Parametr talablari
Parametr`content_type`	Parametr talablariapplication/json
Parametr`required`	Parametr talablarimodel, input_audio
Parametr`material_types`	Parametr talablariaudio
Parametr`material_conditions`	Parametr talablariMisol haqiqiy, bo‘sh bo‘lmagan PCM WAV faylingizni o‘qiydi, faylning barcha baytlarini base64 ko‘rinishida kodlaydi va input_audio.format qiymatini wav qilib yuboradi.

Hayot sikli: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · mavjud, egalik qilinadigan media yozuvidan aniq task_id

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

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

Tariflar

Tarif ma’lumotlari so‘rov imkoniyatlarini qo‘shmaydi. Qo‘llab-quvvatlanadigan parametrlar tanlangan usulda ko‘rsatilgan.

Tezkor rejim: Ko‘rsatilmagan Tezkor rejim tanlanganda
Flex rejimi: Ko‘rsatilmagan flex rejimi tanlanganda
Maksimal fikrlash darajasi: Ko‘rsatilmagan Maksimal fikrlash darajasi uchun standart (default) tuzatish qo‘llanganda

Ailoot tariflari

Sozlamalar bo‘yicha narxlar

Har bir to‘lovni ko‘rsatilgan shartlarga moslang. Har bir muqobil sozlamalar to‘plami uchun bitta tarifdan foydalaning.

Sozlama	Tariflar jadvali	Hisob birligi	To‘lov
SozlamaTokenlar uchun bazaviy tariflar	Tariflar jadvaliAsosiy tarif	Hisob birligi—	To‘lov Kirish · Kirish tokenlari — / 1K token Chiqish · Chiqish tokenlari — / 1K token Kirish · Keshdan o‘qish — / 1K token Kirish · Keshga yozish — / 1K token Kirish · Keshga yozish, 1 soat — / 1K token
SozlamaKirish audiosi soniyasi	Tariflar jadvali—	Hisob birligikirish audiosining soniyasi uchun	To‘lov Kirish · Kirish audiosi soniyasi $0.00025 kirish audiosining soniyasi uchun

Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →

So‘rov namunalari

Ailoot Ultra · Transkripsiya

curl · Haqiqiy WAV fayli va to‘liq asl natija

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': 'assemblyai/universal-3-5-pro', '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.

Natijalarni olish va saqlash

Ailoot Ultra · Transkripsiya

To‘liq dastlabki javob tanasi, holat va uzatilgan sarlavhalar. Bu ishlovchi universal JSON tuzilmasi, matn maydoni yoki vazifa o‘rovini qo‘shmaydi.

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

Barcha tayyor natijalarni saqlash

Qaytarilgan har bir to‘liq javob, fayl va kontent qismini saqlang.

To‘liq javob va sarlavhalarni, amalda qaytarilgan barcha natijalarni, dastlab qaytarilgan identifikatorlarni hamda barcha usage maydonlarini saqlang. Yaratish so‘rovini qayta yubormasdan dastlabki operatsiyani tiklang.

Asl javobni tekshirish kerak bo‘lsa

Haqiqiy X-Client-Request-ID va to‘liq javobni saqlang. Egalik qilinadigan dastlabki aktivlar va ularning aniq imzolangan mazmun URL larini o‘qing; natijasi noaniq yaratishni hech qachon qayta yubormang.

Javob maydonlari

Maydon	Tur
Maydon`text (when present)`	Tur
Maydon`usage (when present)`	Tur

Xatolar va keyingi qadamlar

Javob	Shart	Keyingi qadam
Javob400 · `invalid_request_error`	ShartJSON tanasi yoki ochiq ko‘rsatilgan kanonik model ID si yaroqsiz.	Keyingi qadamJavobni saqlang va ko‘rsatilgan so‘rov maydonini tuzating.
Javob401 · `authentication_error`	ShartAiloot API kaliti yaroqsiz.	Keyingi qadamRuxsat berilgan Ailoot API kalitingizdan foydalaning.
Javob403 · `permission_error`	ShartKalit guruhi bu usulga ruxsat bermaydi.	Keyingi qadamQaytarilgan xato tafsilotlarini saqlang.
Javob404 · `not_found_error`	ShartTanlangan usul uchun ruxsat etilgan yo‘nalish yo‘q.	Keyingi qadamQaytarilgan xato tafsilotlarini saqlang.
Javob422 · `price_unavailable`	ShartQabul qilingan tarif zarur kirish miqdorini yoki chegarasini aniqlay olmaydi.	Keyingi qadamJavobni saqlang; qabul qilingan tarif talab qiladigan kirish ko‘rinishidan foydalaning.
Javob503 ·	ShartZarur saqlov, yo‘nalish, usul narxi yoki mablag‘ni band qilish imkoniyati mavjud emas.	Keyingi qadamTo‘liq dastlabki javobni saqlang. Noaniq mablag‘ band qilish qayta yuborishga ruxsat bermaydi.
Javob502 · `server_error`	ShartDastlabki natija, foydalanish ma’lumoti yoki hisob-kitobni tekshirish talab qilinadi.	Keyingi qadamHaqiqiy so‘rov ID si va dastlabki javobni saqlang. Mavjud, egalik qilinadigan yozuvni o‘qing; yaratishni qayta yubormang.

Taxalluslar

Model taxalluslari

Ailoot Ultra assemblyai/universal-3-5-pro

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

assemblyai/universal-3-5-pro

FAQ · AssemblyAI: Universal-3.5 Pro

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/audio/transcriptions · assemblyai/universal-3-5-pro: audio → text
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/audio/transcriptions · assemblyai/universal-3-5-pro: model, input_audio

AssemblyAI: Universal-3.5 Pro