Source: https://ailoot.ai/models/vi/meta-muse-voice-transcribe-1-0/
Canonical: https://ailoot.ai/models/vi/meta-muse-voice-transcribe-1-0/
Language: vi

# Meta: Muse Voice Transcribe 1.0

[Markdown](https://ailoot.ai/models/vi/meta-muse-voice-transcribe-1-0/index.md) · [JSON](https://ailoot.ai/models/vi/meta-muse-voice-transcribe-1-0/facts.json)

## [Meta: Muse Voice Transcribe 1.0](https://ailoot.ai/models/vi/meta-muse-voice-transcribe-1-0/)

Muse Voice Transcribe 1.0 là mô hình chuyển giọng nói thành văn bản của Meta, dành cho đọc chính tả, phát hiện lượt nói và tạo bản chép lời có phân biệt người nói. Mô hình hỗ trợ gợi ý ngôn ngữ và từ vựng, chuyển đổi ngôn ngữ trong lời nói cùng thông tin thời gian ở cấp lượt nói, với các quy trình riêng cho đoạn ghi âm và âm thanh trực tiếp.

- [**Ailoot Ultra · Phiên âm** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/vi/meta-muse-voice-transcribe-1-0/#method-0)

Về mô hình

Mô tả này trình bày khả năng của mô hình. Đầu vào, đầu ra và tùy chọn có trên Ailoot được liệt kê bên dưới cho phương thức đã chọn.

Muse Voice Transcribe 1.0 là mô hình cảm nhận âm thanh của Meta để chép lời nói, phát hiện ranh giới phát ngôn và xác định người nói cho từng lượt. Mô hình thuộc dòng Muse Spark và kết hợp nhận dạng giọng nói, phân tách người nói và phát hiện điểm kết thúc lượt nói ngay trong mô hình. Đầu ra là văn bản được nhận dạng, kèm thông tin thời gian và người nói có sẵn trong chế độ đã chọn.

Mô hình xử lý âm thanh theo từng khối 80 mili giây và quyết định tiếp tục lắng nghe hay xuất văn bản. Cơ chế độ trễ thích ứng cho phép mô hình chờ thêm âm thanh khi một từ khó xác định hơn. Nhờ đó, mô hình tạo văn bản tạm thời trong lúc lời nói tiếp tục đến, rồi trả về kết quả chép lời hoàn chỉnh. Hãy coi giả thuyết tạm thời và lượt nói hoàn chỉnh là hai giai đoạn khác nhau của trải nghiệm nghe.

Có ba chế độ để lựa chọn. Push-to-talk là chế độ mặc định cho một phát ngôn đơn lẻ có điểm bắt đầu và kết thúc do người dùng kiểm soát, chẳng hạn truy vấn bằng giọng nói hoặc một đoạn đọc chính tả ngắn. Endpointing cho phép mô hình phát hiện ranh giới lượt nói và trả về một bản chép lời hoàn chỉnh cho mỗi đoạn được phát hiện. Diarization gán nhãn người nói cho lời nói được nhận dạng và dành cho bản ghi có nhiều người nói, thay vì tối ưu cho việc luân phiên các lệnh thoại với tốc độ cao nhất.

Với một đoạn ghi âm, quy trình chép lời từ tệp trả về bản chép lời hoàn chỉnh trong một yêu cầu. Kết quả mặc định là JSON chứa bản chép lời và thời lượng âm thanh, kèm mảng turns trong các chế độ endpointing và diarization. Mỗi lượt có thể chứa mã định danh, thời điểm bắt đầu và kết thúc tính bằng mili giây cùng văn bản được nhận dạng. Nhãn người nói xuất hiện trong chế độ diarization. Push-to-talk tạo bản chép lời hoàn chỉnh mà không có các lượt được phát hiện trong mảng đó. Giao diện xử lý tệp ghi âm của nhà sản xuất cũng có thể trả về văn bản thuần hoặc một luồng sự kiện chép lời. Văn bản thuần giữ các lượt được phát hiện trên những dòng riêng và có thể bao gồm nhãn người nói; luồng sự kiện kết thúc sau sự kiện cuối cùng mà không có bản tổng hợp JSON riêng. Chế độ delta partial của luồng trả về văn bản tăng dần, còn sự kiện bản chép lời cuối cùng chứa toàn bộ câu chữ.

Chuẩn bị tệp RIFF/WAVE chứa âm thanh PCM số nguyên 16 bit, đơn kênh, ở tần số lấy mẫu 16 hoặc 24 kHz. Tần số gốc của mô hình là 24 kHz và giao diện cũng chấp nhận 16 kHz. Hãy chuyển các định dạng chứa hoặc cách mã hóa khác sang dạng WAV được hỗ trợ này trước khi cung cấp bản ghi. Cấu hình chép lời từ tệp cho phép âm thanh dài tối đa 10 phút và tổng phần thân yêu cầu tối đa 32 MB. Lưu bản ghi gốc và mọi bản chuyển đổi cùng với bản chép lời trả về để có thể nghe lại và đối chiếu sau này.

Quy trình âm thanh trực tiếp sử dụng PCM thô có dấu 16 bit, little-endian, đơn kênh, với âm thanh 16 hoặc 24 kHz được gửi ở nhịp độ xấp xỉ thời gian thực. Khoảng thời gian phiên được tài liệu quy định là 60 phút. Meta mô tả khả năng tiếp nhận âm thanh gốc dài hơn một giờ; các giới hạn được tài liệu quy định cho tệp và phiên trực tiếp vẫn là những ranh giới riêng của từng giao diện. Chọn quy trình từ tệp ghi âm hoặc quy trình trực tiếp tùy theo âm thanh đã hoàn tất hay vẫn đang được thu, đồng thời gắn kết quả của các phiên riêng với đúng đoạn đầu vào của chúng.

Muse Voice Transcribe được huấn luyện trên hơn 70 ngôn ngữ, trong khi giao diện nhận dạng được tài liệu mô tả liệt kê 25 ngôn ngữ được hỗ trợ. Trong số đó có tiếng Anh, Pháp, Đức, Tây Ban Nha, Ả Rập, Trung Quốc phổ thông, Hindi, Nhật, Hàn, Ý và Bồ Đào Nha. Mô hình nhận dạng được việc chuyển đổi ngôn ngữ trong cùng một câu hoặc giữa các câu. Gợi ý ngôn ngữ có thể nêu các ngôn ngữ dự kiến xuất hiện trong âm thanh, nhưng chỉ định hướng việc nhận dạng chứ không buộc bản chép lời về một ngôn ngữ duy nhất.

Gợi ý từ vựng giúp nhận dạng các thuật ngữ sản phẩm, từ viết tắt, tên người hoặc địa danh quan trọng trong bản ghi. Cung cấp đúng những từ và cách viết mà bạn dự kiến sẽ nghe thấy. Danh sách từ khóa định hướng nhận dạng nhưng không bảo đảm cách viết chính xác, vì vậy hãy đối chiếu các thuật ngữ mang tính quyết định với âm thanh. Gợi ý ngôn ngữ và từ khóa được chọn khi bắt đầu chép lời; hãy giữ chúng phù hợp với bản ghi đó thay vì thay đổi ý nghĩa của chúng khi phiên đang chạy.

Mô hình hỗ trợ phân tách người nói cho các cuộc hội thoại có hơn 20 người nói. Những nhãn như A và B xác định người nói trong phạm vi một lần chép lời. Chúng không phải tên đã được xác minh và không chứng minh rằng cùng một nhãn ở phiên khác chỉ cùng một người. Với một nhiệm vụ phân tích cuộc họp ban đầu, hãy yêu cầu các lượt nói có gán người nói, giữ lại bản ghi và dùng nhãn để tổ chức nội dung thảo luận trước khi gán tên người tham gia thực thông qua quy trình của ứng dụng.

Bản chép lời tạm thời trong phiên trực tiếp có thể thay đổi khi có thêm lời nói. Ở chế độ cumulative, mỗi kết quả tạm thời thay thế giả thuyết trước đó thay vì cộng thêm một bản sao. Điểm kết thúc lời nói được phát hiện đánh dấu một ranh giới, còn kết quả lượt nói hoàn chỉnh cung cấp văn bản cuối cùng và có thể khác kết quả tạm thời gần nhất. Giữ các lượt chồng lấn gắn với mã định danh của từng lượt và tiếp nhận các kết quả hoàn chỉnh trước khi coi bản chép lời là đã xong. Khi đầu vào trực tiếp kết thúc, hãy báo kết thúc đầu vào và tiếp tục nhận cho đến khi bên tạo kết quả gửi hết những kết quả còn chờ. Đóng kết nối ngay có thể làm mất các kết quả đó; một ranh giới lời nói được phát hiện chỉ kết thúc một lượt, không kết thúc toàn bộ phiên.

Thông tin thời gian được cung cấp ở cấp lượt nói. Cấu hình này không cung cấp dấu thời gian cho từng từ hoặc điểm tin cậy; tiến độ xử lý âm thanh cũng không phải dấu thời gian của một từ cụ thể. Phát hiện sự kiện âm thanh, phát hiện cảm xúc và định dạng lại bản chép lời cũng nằm ngoài cấu hình đầu ra được tài liệu mô tả. Dùng các khoảng thời gian trả về của từng lượt để tạo dòng thời gian người nói hoặc rà soát theo đoạn, đồng thời giữ nguyên các từ được nhận dạng nếu một bước biên tập riêng về sau tạo ra ghi chú dễ đọc hơn.

Những kết quả hữu ích bao gồm đoạn đọc chính tả hoàn chỉnh, bản chép truy vấn bằng giọng nói, cuộc hội thoại có gán người nói hoặc dòng thời gian các phát ngôn. Đối chiếu tên, số và thuật ngữ kỹ thuật với bản ghi gốc, giữ mối liên hệ giữa chế độ và thông tin thời gian, đồng thời lưu đầy đủ các lượt để rà soát. Bản chép lời cho biết những gì được nhận dạng trong âm thanh; trả lời câu hỏi được nói, dịch câu hỏi đó hoặc chuyển nội dung thành biên bản họp là công việc của bước ứng dụng tiếp theo.

**Ailoot Ultra · Phiên âm** `POST /v1/audio/transcriptions` `meta/muse-voice-transcribe-1.0`

[`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/vi/#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`

### Bắt đầu

Muse Voice Transcribe 1.0 là mô hình chuyển giọng nói thành văn bản của Meta, dành cho đọc chính tả, phát hiện lượt nói và tạo bản chép lời có phân biệt người nói. Mô hình hỗ trợ gợi ý ngôn ngữ và từ vựng, chuyển đổi ngôn ngữ trong lời nói cùng thông tin thời gian ở cấp lượt nói, với các quy trình riêng cho đoạn ghi âm và âm thanh trực tiếp.

Đầu vào được chấp nhận

Âm thanh

Kết quả

Văn bản

### Có trên Ailoot · đầu vào & phương thức

**Ailoot Ultra · Phiên âm** `POST /v1/audio/transcriptions`

Đầu vào

`audio`

Đầu ra

`text`

| Trường | Loại | Yêu cầu | Giá trị & giới hạn | Mặc định |
| --- | --- | --- | --- | --- |
| Trường`model` | Loại`string` | Yêu cầuBắt buộc | Giá trị & giới hạn meta/muse-voice-transcribe-1.0 | Mặc định— |
| Trường`input_audio` | Loại`object` | Yêu cầuBắt buộc | Giá trị & giới hạn | Mặc định— |

Tham số phương thức và vòng đời

| Tham số | Hợp đồng |
| --- | --- |
| Tham số`content_type` | Hợp đồngapplication/json |
| Tham số`required` | Hợp đồngmodel, input\_audio |
| Tham số`material_types` | Hợp đồngaudio |
| Tham số`material_conditions` | Hợp đồngVí dụ đọc tệp PCM WAV thực tế, không rỗng của bạn, mã hóa toàn bộ byte của tệp thành base64 và gửi input\_audio.format với giá trị wav. |

Vòng đời: `synchronous_result_then_owned_library`

`GET /v1/media/tasks/{task_id}` · task\_id chính xác từ bản ghi đa phương tiện hiện có thuộc quyền sở hữu

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

`GET /v1/media/assets`

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

### Bảng giá

Thông tin biểu giá không bổ sung tùy chọn yêu cầu. Các tham số được hỗ trợ nằm trong phương thức đã chọn.

Chế độ nhanh

Chưa chỉ định Khi chọn chế độ nhanh

Chế độ Flex

Chưa chỉ định Khi chọn chế độ flex

Mức độ suy luận tối đa

Chưa chỉ định Khi áp dụng mức điều chỉnh mặc định (default) cho mức độ suy luận tối đa

#### Mức phí Ailoot

#### Giá theo cấu hình

Đối chiếu từng khoản phí với điều kiện hiển thị. Dùng một mức phí cho mỗi nhóm cấu hình thay thế.

| Cấu hình | Biểu mức phí | Đơn vị tính phí | Phí |
| --- | --- | --- | --- |
| Cấu hìnhGiá cơ sở cho token | Biểu mức phíMức phí cơ bản | Đơn vị tính phí— | Phí Đầu vào · Token đầu vào **—** / 1K token Đầu ra · Token đầu ra **—** / 1K token Đầu vào · Đọc bộ nhớ đệm **—** / 1K token Đầu vào · Ghi bộ nhớ đệm **—** / 1K token Đầu vào · Ghi bộ nhớ đệm, 1 giờ **—** / 1K token |
| Cấu hìnhGiây âm thanh đầu vào | Biểu mức phí— | Đơn vị tính phímỗi giây âm thanh đầu vào | Phí Đầu vào · Giây âm thanh đầu vào **$0.0001** mỗi giây âm thanh đầu vào |

Ailoot tạm giữ một khoản ước tính trước yêu cầu. Sau khi có kết quả, phí cuối cùng được quyết toán theo mức sử dụng đo được. Việc quyết toán khi truyền luồng dùng bản ghi mức sử dụng cuối cùng. [Cách hoạt động của cơ chế tạm giữ và quyết toán →](https://ailoot.ai/docs/vi/billing/reserve/)

### Ví dụ yêu cầu

#### Ailoot Ultra · Phiên âm

curl · tệp WAV thực tế và kết quả gốc đầy đủ

```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.
```

### Nhận và lưu kết quả

#### Ailoot Ultra · Phiên âm

Toàn bộ nội dung phản hồi gốc, trạng thái và các tiêu đề được chuyển tiếp. Trình xử lý này không bổ sung cấu trúc JSON chung, trường văn bản hoặc cấu trúc bao tác vụ.

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

##### Lưu tất cả kết quả đã hoàn tất

Lưu mọi phản hồi hoàn chỉnh, tệp và phần nội dung được trả về.

Giữ lại toàn bộ phản hồi và các header, mọi đầu ra thực tế, các định danh gốc đã trả về và mọi trường usage. Khôi phục thao tác gốc mà không gửi lại yêu cầu tạo.

##### Nếu cần kiểm tra phản hồi gốc

Giữ lại X-Client-Request-ID thực tế và toàn bộ phản hồi. Đọc các tài sản gốc thuộc quyền sở hữu và URL nội dung đã ký chính xác của chúng; tuyệt đối không gửi lại yêu cầu tạo chưa rõ kết quả.

Trường phản hồi

| Trường | Loại |
| --- | --- |
| Trường`text (when present)` | Loại |
| Trường`usage (when present)` | Loại |

Lỗi và bước tiếp theo

| Phản hồi | Điều kiện | Bước tiếp theo |
| --- | --- | --- |
| Phản hồi400 · `invalid_request_error` | Điều kiệnNội dung JSON hoặc ID mô hình chuẩn được chỉ định rõ không hợp lệ. | Bước tiếp theoGiữ lại phản hồi và sửa trường yêu cầu được chỉ ra. |
| Phản hồi401 · `authentication_error` | Điều kiệnKhóa API Ailoot không hợp lệ. | Bước tiếp theoDùng khóa API Ailoot được cấp phép của bạn. |
| Phản hồi403 · `permission_error` | Điều kiệnNhóm của khóa không được phép sử dụng phương thức này. | Bước tiếp theoGiữ lại chi tiết lỗi được trả về. |
| Phản hồi404 · `not_found_error` | Điều kiệnPhương thức đã chọn chưa có tuyến được phép sử dụng. | Bước tiếp theoGiữ lại chi tiết lỗi được trả về. |
| Phản hồi422 · `price_unavailable` | Điều kiệnBiểu giá đã chấp nhận không thể xác định số lượng đầu vào hoặc giới hạn cần thiết. | Bước tiếp theoGiữ lại phản hồi; dùng biểu diễn đầu vào mà biểu giá đã chấp nhận yêu cầu. |
| Phản hồi503 · `` | Điều kiệnKho lưu trữ, tuyến, giá phương thức hoặc khoản tiền giữ trước cần thiết không khả dụng. | Bước tiếp theoGiữ lại toàn bộ phản hồi ban đầu. Khoản giữ trước chưa rõ trạng thái không cho phép gửi lại. |
| Phản hồi502 · `server_error` | Điều kiệnKết quả, mức sử dụng hoặc quyết toán ban đầu cần được kiểm tra. | Bước tiếp theoGiữ lại ID yêu cầu thực tế và phản hồi ban đầu. Đọc bản ghi hiện có thuộc quyền sở hữu; không gửi lại yêu cầu tạo. |

### Bí danh

#### Bí danh mô hình

**Ailoot Ultra** [`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/vi/#m=meta%2Fmuse-voice-transcribe-1.0&route=Ultra&caller=meta%2Fmuse-voice-transcribe-1.0&fmt=transcriptions)

#### Bí danh đường dẫn phương thức

Dùng các đường dẫn phương thức hiển thị ở trên.

#### ID gọi liên quan

[`meta/muse-voice-transcribe-1.0`](https://ailoot.ai/models/vi/#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

Có những đầu vào và kết quả nào?

`POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `audio` → `text`

Yêu cầu sử dụng những trường nào?

`POST /v1/audio/transcriptions` · `meta/muse-voice-transcribe-1.0`: `model`, `input_audio`

Kết nối Ailoot với Claude Code, OpenCode, Hermes hoặc ứng dụng của bạn.

## Công ty và danh mục dự án của công ty

Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng.

## Mua token với giá ưu đãi.

Ưu đãi thuê bao cho nhu cầu thường xuyên. Mã khuyến mãi giảm đến 50% khi mua token.

Thuê bao

Chọn gói ưu đãi cho các yêu cầu thường xuyên của bạn.

Mã giảm đến 50%

Nhập mã khi mua. Giá được tính lại theo chương trình đang áp dụng.

Chi phí trong lịch sử

Mô hình, token và số tiền được lưu cho mỗi yêu cầu.

[Chọn gói thuê bao](https://ailoot.ai/docs/vi/billing/subscriptions/) · [Xem giá mô hình](https://ailoot.ai/models/vi/)

## Kết nối API vào sản phẩm bạn đang bán.

SaaS, ứng dụng và bot — theo đề nghị giao kết chính thức và thỏa thuận cấp phép Ailoot. Muốn bán lại, hãy yêu cầu giấy phép bán lại.

Ứng dụng thương mại

Tích hợp tạo văn bản, ảnh, video và âm thanh vào các tính năng trả phí của dịch vụ.

Giấy phép bán lại

Gửi mô tả dự án và cách cung cấp quyền truy cập. Yêu cầu điều khoản sử dụng và bán lại bằng văn bản.

Tài liệu trên website

Đề nghị giao kết, thỏa thuận cấp phép và chính sách xử lý dữ liệu có sẵn trước khi kết nối.

[Yêu cầu giấy phép bán lại](mailto:support@ailoot.ai) · [Đề nghị giao kết và thỏa thuận cấp phép](https://ailoot.ai/legal/offer?lang=vi)

## Ailoot · Công ty và danh mục dự án của công ty





Ailoot dựa trên kinh nghiệm vận hành tích lũy, cơ sở khách hàng lớn, dịch vụ ổn định và việc kiểm soát KPI liên tục.





Công ty và danh mục dự án của công ty: hàng triệu khách hàng; doanh số hàng tỷ mỗi tháng.





Ailoot áp dụng kinh nghiệm vận hành này để cung cấp quyền truy cập API vào các tính năng AI trong sản phẩm của khách hàng, tác tử, ứng dụng và quy trình tự động hóa.