ElevenLabs: Scribe v2

ElevenLabs Scribe v2 yozib olingan audioni 90+ tilda, so‘z darajasidagi vaqt belgilari, ixtiyoriy so‘zlovchilarni ajratish va nutqdan tashqari hodisa teglari bilan matnga aylantiradi. U uzun yozuvlar, subtitrlar va tahrirlanadigan transkriptlar uchun yaratilgan; kontekstga oid tayanch atamalar hamda so‘zma-so‘z yoki tartibga keltirilgan transkripsiya tanlovlarini taqdim etadi.

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

Model haqida

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

ElevenLabs Scribe v2 — yozib olingan audio, transkripsiya hamda subtitr va ovoz mazmunini ifodalovchi yozuvlar tayyorlash uchun paketli nutqni tanib olish modeli. U Scribe v1 asosida uzun yozuvlar, pauzalar, ohang o‘zgarishlari va uzoq sukunat bilan ishlashni yaxshilaydi. Natijada vaqt ma’lumotlari va ixtiyoriy so‘zlovchi hamda audio hodisa izohlari bilan yozma nutq olinadi. Scribe v2 Realtime — alohida jonli transkripsiya nashri; ushbu modelning vazifasi to‘liq yozuvlarni qayta ishlashdir.

Ishlab chiqaruvchi 90 dan ortiq tilda tanib olish va tilni avtomatik aniqlashni, jumladan til almashadigan yozuvlarni hujjatlashtirgan. Ma’lum tilga ishora modelga audioni talqin qilishda yordam berishi mumkin. Aniq yozuv tayyorlang, asl til va ismlarni saqlang, signalning kuchli qirqilishi yoki nutq tafsilotlarini olib tashlaydigan keraksiz ishlovdan saqlaning. Hujjatlashtirilgan keng tarqalgan kirish formatlari WAV, MP3, FLAC, M4A, AAC, OGG, Opus va WebM ni o‘z ichiga oladi. Transkripsiya amalga oshiriladigan tizim qo‘llab-quvvatlaydigan kirish ko‘rinishini tanlang va manba yozuvini tekshirish uchun saqlang.

Standart javob tanib olingan matn, aniqlangan til haqidagi ma’lumot va vaqt belgilari qo‘yilgan so‘zlar ketma-ketligini o‘z ichiga oladi. So‘z qaydlarida boshlanish va tugash vaqtlari, so‘zlovchi identifikatorlari va tanib olishning logarifmik ehtimoli bo‘lishi mumkin. Bular natijani subtitrlar, qidirish mumkin bo‘lgan intervyular yoki tegishli tovushga qaytadigan muharrir uchun foydali qiladi. Vaqt belgilari bor natijani manba audiosi bilan birga saqlang. Masalan, podkast uchun topshiriladigan natija tahrirlanadigan transkript va subtitrlarni joylashtirishdan oldin tuzatish joylarini topishga yordam beradigan, so‘zlarga moslangan vaqt yozuvi bo‘lishi mumkin.

So‘zlovchilarni ajratish bir nechta so‘zlovchi qatnashgan audioda kim qachon gapirganini belgilaydi; ishlab chiqaruvchi 32 tagacha so‘zlovchini hujjatlashtirgan. Gapirish navbatlari muhim bo‘lsa, uni yoqing va soni ma’lum bo‘lsa, so‘zlovchilarning asosli sonini kiriting. Aniqlangan so‘zlovchi yorlig‘ini shaxsi tasdiqlangan odamning ismidan ajrating. Intervyu yoki uchrashuvda, ayniqsa ovozlar bir vaqtda kelgan yoki o‘xshash bo‘lgan joylarda, navbat almashishini yozuv bilan tekshiring. Yorliq transkriptni tartibga solishga yordam beradi; u so‘zlovchining shaxsini mustaqil tasdiqlamaydi.

Har bir kanalida bittadan so‘zlovchi bo‘lgan yozuvning tuzilishi bir kanalga aralashtirilgan bir nechta ovozdan farq qiladi. Ishlab chiqaruvchi interfeysi beshtagacha kanalni mustaqil qayta ishlab, alohida transkriptlar yoki kanal indekslari bilan vaqt bo‘yicha tartiblangan birlashtirilgan transkriptni qaytara oladi. Kanal tuzilishi mazmunli bo‘lsa, uni saqlang. Alohida kanallarga yozilgan qo‘ng‘iroqni transkripsiyadan oldin bir kanalga birlashtirish so‘zlovchi haqidagi foydali manbani yo‘qotishi mumkin. Kanalga asoslangan mansublikni aralash audiodan taxmin qilingan diarizatsiyadan ajrating. Birlashtirilgan kanal javobi vaqt belgilarini talab qiladi va obyektlarni aniqlash yoki yashirishni o‘z ichiga ololmaydi.

Tayanch atamalar bilan yo‘naltirish ismlar, mahsulot atamalari va maxsus lug‘atni kontekst yordamida tanib olishga yo‘naltiradi. Amaldagi paketli ishlov hujjatlari 1,000 tagacha atamaga ruxsat beradi; har bir atama 50 belgidan kam va ko‘pi bilan beshta so‘z bo‘lishi kerak. Keng, aloqasiz katalog o‘rniga tegishli yozilishlarni bering. Texnik intervyu uchun uchrashi ehtimol bo‘lgan mahsulot nomlari va qisqartmalarni kiriting, keyin natijada ularni vaqt belgilari bo‘yicha tekshiring. Tayanch atamalar tanib olishga moyillik beradi; ular yozuv tasdiqlamagan atamani kiritish buyrug‘i emas.

Matnni tartibga keltirishdan oldin transkriptning maqsadini tanlang. So‘zma-so‘z qayd aytilgan ifodani saqlaydi, hujjatlashtirilgan no-verbatim varianti esa o‘qilishi qulayroq natija uchun to‘ldiruvchi so‘zlar, boshlanib qolgan iboralar va nutqdagi tutilishlarni olib tashlaydi. Dinamik audio teglash kulgi yoki qadam tovushlari kabi nutqdan tashqari hodisalarni aniqlashi mumkin. Sayqallangan transkript subtitr yoki o‘qish uchun foydali bo‘lishi mumkin, lekin takrorlar, tuzatishlar yoki nutqdan tashqari tovushlar vazifa uchun muhim bo‘lsa, u asl qayd o‘rnini yashirincha egallamasligi kerak.

Ishlab chiqaruvchi obyektlarni aniqlash va transkriptni tajribaviy tahrirlashni ham hujjatlashtirgan. Ishlab chiqaruvchi interfeysida transkript tahririni obyektlarni aniqlash, obyektlarni yashirish yoki ko‘p kanalli transkripsiya bilan birga ishlatib bo‘lmaydi. Aniqlangan obyektlar transkriptdagi ayrim ma’lumotlar uchun tuzilgan joylashuv ma’lumotlarini beradi. Ixtiyoriy obyektlarni yashirish aniqlangan matnni almashtiruvchi yorliqlar bilan niqoblaydi; u obyektlarni aniqlashga bog‘liq va yashirish yoqilganda obyektlar ro‘yxati qaytarilmaydi. Yashirish transkripsiya vaqtida umumiy almashtiruvchi belgi, toifa yorlig‘i yoki raqamlangan toifa yorlig‘i yordamida bajariladi. Avtomatik yashirish maxfiy mazmunni o‘tkazib yuborishi mumkin, shuning uchun ulashishdan oldin yashirilgan transkriptni tekshiring. Tabiiy tildagi tahrir asl natija bilan birga tahrirlangan matnni qaytaradi, asl vaqt va so‘zlovchi qaydlari esa mavjud bo‘lib qoladi. Bu natijalarni alohida saqlang: tuzatilgan yozilish yoki qayta shakllantirilgan gap audio bilan moslashtirilishidan yoxud keyingi ma’lumot ajratishda ishlatilishidan oldin qayta tekshirishni talab qilishi mumkin. Bu imkoniyatlar transkriptga ishlov beradi; ular har bir muhim tafsilot to‘g‘ri tanilganini isbotlamaydi.

Tayyor transkript uchun ismlar, sonlar, inkorlar va so‘zlovchi almashishini tegishli audioni qayta tinglab tekshiring. Sifatni faqat ravon matnga qarab baholamay, past ovozli qismlar, bir vaqtda kelgan nutq va til almashishlariga e’tibor bering. Eshitilmaydigan parchani ishonarli gap bilan to‘ldirish o‘rniga noaniq ifodani tuzatish uchun saqlang. Foydali natija — maqsadiga kerakli vaqt va so‘zlovchi ma’lumotlari bilan tekshirilgan matnli qayd; keyin transkript alohida xulosa, tarjima yoki tahlil bosqichiga kirish materiali bo‘lishi mumkin.

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

elevenlabs/scribe-v2

ElevenLabs /elevenlabs/scribe-v2

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 elevenlabs/scribe-v2	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 $0.0001222222222222 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': 'elevenlabs/scribe-v2', '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 elevenlabs/scribe-v2

Usul yo‘llari taxalluslari

Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.

Chaqirish uchun tegishli ID lar

elevenlabs/scribe-v2

FAQ · ElevenLabs: Scribe v2

Qanday kirish ma’lumotlari va natijalar mavjud?: POST /v1/audio/transcriptions · elevenlabs/scribe-v2: audio → text
So‘rov qaysi maydonlardan foydalanadi?: POST /v1/audio/transcriptions · elevenlabs/scribe-v2: model, input_audio

ElevenLabs: Scribe v2