Fish Audio: Transcribe 1
Transcribe 1 qisqa audioyozuvlarni tilni avtomatik aniqlash va ixtiyoriy so‘z darajasidagi vaqt belgilaridan foydalanib matnga aylantiradi. Transkriptni ovozli qaydlar, qidiriladigan parchalar yoki subtitr tayyorlash uchun ishlating; vaqtli segmentlarni o‘qishga qulay to‘liq matndan alohida saqlang.
Model haqida
Bu tavsif model imkoniyatlarini yoritadi. Ailoot da tanlangan usul uchun mavjud kirish, chiqish va parametrlar quyida keltirilgan.
Transcribe 1 — Fish Audio’ning qisqa yozuvlar uchun umumiy nutqni matnga aylantirish modeli. U audiofaylni qabul qilib, tanilgan so‘zlarni matn sifatida, yozuv davomiyligi, ixtiyoriy vaqtli segmentlar va ma’lum bo‘lsa til haqidagi axborot bilan qaytaradi. Bu model qisqa ovozli qayd, og‘zaki ko‘rsatma, yozuvdan parcha yoki o‘qiladigan matn ko‘rinishi kerak bo‘lgan audioklip uchun foydali.
Ovozli qayd uchun misol jarayon yozuvni uning to‘liq transkripti va asl klip identifikatori bilan birga saqlaydi. Ilovaning keyingi bosqichi og‘zaki manbani saqlagan holda ushbu matndan qidirishi, qaydni tartiblashi yoki qisqa mazmun tayyorlashi mumkin. Buyruqda transkript tanilgan so‘zlarni ilovaga beradi; har qanday harakat alohida talqin va bajarish bosqichidir. Intervyu parchasida iqtibosni to‘g‘ri joydan tekshirish uchun klipning to‘liq audiodagi o‘rnini qayd eting.
Ishlab chiqaruvchi WAV, MP3, M4A/MP4’ni ham o‘z ichiga olgan AAC, FLAC hamda Opus yoki Vorbis saqlovchi Ogg’ni qabul qiladi. WebM’dagi brauzer yozuvlari bu model uchun Ogg/Opus, MP3 yoki WAV’ga aylantirilishi kerak; Pro hujjatlarida qo‘shimcha konteynerlarning bevosita qo‘llab-quvvatlanishi ko‘rsatilgan. Har so‘rovda bitta audiofayl bering. Asosiy modelning hujjatlashtirilgan so‘rov limiti 50 MiB gacha, MP3 va Opus fayllari esa 25 MiB’dan kichik bo‘lishi kerak. Fayl hajmi va yozuv davomiyligi turli omillardir: siqilgan fayl yuklash limitiga sig‘ishi, lekin qayta ishlash uchun haddan tashqari uzoq vaqt talab qilishi mumkin.
Transcribe 1 qisqa yozuvlarga mo‘ljallangan. Ishlab chiqaruvchi bir necha daqiqadan uzun audio uchun Pro’ni tavsiya qiladi; asosiy modelga yuborilgan uzun so‘rov qayta ishlash vaqti limitidan oshsa muvaffaqiyatsiz tugashi mumkin. Uzunroq manbani qisqa kliplarga bo‘lib transkripsiyaga tayyorlaganda har klipning boshlang‘ich siljishini saqlang va natijalarni birlashtirishdan oldin qaytgan transkript butun klipni qamraganini tasdiqlang. Navigatsiyani to‘liq yozuvga bog‘lash uchun mahalliy segment vaqtlariga asl siljishni qo‘shing. Asosiy model tavsiyalarini Pro’ning alohida 60 daqiqalik limiti deb talqin qilmang.
Ishlab chiqaruvchi javobi text, duration va segments’ni o‘z ichiga oladi. Davomiylik soniyalarda ifodalanadi; o‘qishga qulay to‘liq transkript klipning asosiy matni sifatida saqlanishi kerak. Vaqt belgilari ixtiyoriy: ishlab chiqaruvchi API’sida ignore_timestamps standart holda true, false esa text (matn), start (boshlanish) va end (tugash) maydonlari berilgan so‘z darajasidagi segmentlarni so‘raydi; vaqtlar soniyalarda ifodalanadi. Vaqtga moslashtirish qo‘shimcha qayta ishlash vaqti oladi. Bo‘sh segments massivi vaqt belgilari o‘tkazib yuborilganini, nutq yo‘qligini yoki moslashtirish vaqtincha mavjud emasligini bildirishi mumkin; uni avtomatik ravishda to‘liq transkript ham bo‘sh deb talqin qilmang.
Segmentlar odatda so‘zlardan, xitoy va yapon tillarida esa bitta yoki bir nechta belgidan iborat. Ularning matnida tinish belgilari bo‘lmaydi va qiymatlar to‘liq transkriptdan boshqacha me’yorlashtirilishi mumkin; bu o‘qiladigan javobning harfma-harf nusxasi emas. Segmentning boshlanish va tugash vaqti bir xil bo‘lishi mumkin. Yozuvdagi o‘rinni topish yoki vaqtli ko‘rsatishni tayyorlash uchun segmentlardan, matn ifodasi va tinish belgilari muhim bo‘lsa to‘liq matndan foydalaning. Yakuniy materialda bu ikki ifodani alohida tuting.
Ixtiyoriy til ishorasi berilgan yoki berilmaganidan qat’i nazar, til avtomatik aniqlanadi. Ishlab chiqaruvchi ishoralar uchun kichik harfli ISO 639-1 kodlarini hujjatlashtiradi va ma’lum bo‘lsa ilova mantiqi uchun til kodi, ko‘rsatish uchun til nomini qaytaradi. Javob tillar almashadigan yozuvdagi barcha tillarni emas, bitta tilni bildiradi. Transkripsiya so‘rovini tarjima amali deb hisoblamasdan, manbaning asl matni va mavjud til metama’lumotlarini natija bilan birga saqlang.
Subtitr jarayonida so‘zlarni bittalab ko‘rsatish o‘rniga ketma-ket vaqtli segmentlarni o‘qiladigan subtitr bo‘laklariga guruhlang. Foydali natija — asl klipga bog‘langan SRT yoki WebVTT fayli; bo‘lak chegaralari pauzalarga mos, ekrandagi matn hajmi esa qulay bo‘lsin. Yetishmayotgan vaqt belgilarini tekshiring va har bo‘lak tugashi boshlanishidan keyin kelishini ta’minlang. Subtitr guruhlash va fayl formatlash qaytgan moslashtirish asosida bajariladigan ilova bosqichlaridir; ko‘rsatish usuli pleyer va auditoriyaga mos bo‘lishi kerak.
Transcribe 1’ning hujjatlashtirilgan boshqaruvlari audio, til ishorasi va vaqt belgisi tanlovidan iborat. Pro’ning so‘zlovchi belgilari, tuzilmali so‘zlovchi navbatlari, hissiy hodisa boshqaruvlari va so‘zlovchilar soni ishoralari alohida imkoniyatlardir; ular ushbu asosiy modelning hujjatlashtirilgan javob shartnomasiga kirmaydi. Qayta ishlashdan oldin kerakli materialni tanlang: qayd uchun oddiy o‘qiladigan matn yoki ijro navigatsiyasi va subtitrlar uchun vaqtga moslashtirilgan matn. Klip identifikatori, transkript va mavjud vaqt ma’lumotlarini saqlash natijani ilovaning keyingi bosqichi uchun foydali qiladi.
Ailoot Ultra · Transkripsiya POST /v1/audio/transcriptions fish-audio/transcribe-1
fish-audio/transcribe-1Boshlash
Transcribe 1 qisqa audioyozuvlarni tilni avtomatik aniqlash va ixtiyoriy so‘z darajasidagi vaqt belgilaridan foydalanib matnga aylantiradi. Transkriptni ovozli qaydlar, qidiriladigan parchalar yoki subtitr tayyorlash uchun ishlating; vaqtli segmentlarni o‘qishga qulay to‘liq matndan alohida saqlang.
- 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 |
|---|---|---|---|---|
Maydonmodel | Turstring | TalabMajburiy | Qiymatlar va cheklovlar fish-audio/transcribe-1 | Standart— |
Maydoninput_audio | Turobject | TalabMajburiy | Qiymatlar va cheklovlar | Standart— |
Usul parametrlari va hayot sikli
| Parametr | Parametr talablari |
|---|---|
Parametrcontent_type | Parametr talablariapplication/json |
Parametrrequired | Parametr talablarimodel, input_audio |
Parametrmaterial_types | Parametr talablariaudio |
Parametrmaterial_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 $0.0002 kirish audiosining soniyasi uchun |
Ailoot so‘rovdan oldin taxminiy summani band qiladi. Natijadan keyin o‘lchangan sarf asosidagi yakuniy to‘lovni yechadi. Oqimli javob bo‘yicha yakuniy hisob-kitob yakuniy sarf yozuviga asoslanadi. Summani band qilish va to‘lovni hisoblash tartibi →
So‘rov namunalari
Ailoot Ultra · Transkripsiya
set -eu
: "${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': 'fish-audio/transcribe-1', '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}/contentGET /v1/media/assetsGET /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 |
|---|---|
Maydontext (when present) | Tur |
Maydonusage (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 fish-audio/transcribe-1
Usul yo‘llari taxalluslari
Yuqorida ko‘rsatilgan usul yo‘llaridan foydalaning.
Chaqirish uchun tegishli ID lar
FAQ · Fish Audio: Transcribe 1
- Qanday kirish ma’lumotlari va natijalar mavjud?
POST /v1/audio/transcriptions·fish-audio/transcribe-1:audio→text- So‘rov qaysi maydonlardan foydalanadi?
POST /v1/audio/transcriptions·fish-audio/transcribe-1:model,input_audio