AssemblyAI: Universal-3.5 Pro
Universal-3.5 Pro 是 AssemblyAI 的語音轉文字模型，可在單次回應中將短音訊片段轉為完整逐字稿。其 Sync 規格加入詞語信心分數、選用的詞語時間戳記、詞彙提示及先前對話上下文，適用於語音輸入與按住說話工作流程。
關於模型
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Universal-3.5 Pro 是 AssemblyAI 的語音辨識模型，可將錄製的語音轉成文字。在 Sync 規格下，短音訊片段會在單次回應中產生完整逐字稿。這適合語音訊息、按住說話輸入，以及應用程式已知錄音何時應結束的獨立對話輪次。
將音訊準備成範圍明確的片段。AssemblyAI 的 Sync 要求接受 80 毫秒至 120 秒的音訊，檔案大小上限為 40 MB。支援格式為 WAV，或有號 16 位元、小端序的原始 PCM。音訊可為單聲道或立體聲；立體聲會在內部混音為單聲道。支援的取樣率為 8、16、22.05、24、32、44.1 及 48 kHz。WAV 標頭會提供取樣率與聲道數；原始 PCM 則需要在轉錄設定中另外提供這些數值。
錄下完整語句，並保留語音的開頭與結尾。一個實用的原創任務例子，是包含產品名稱、訂單識別碼及請求的簡短產品支援語音訊息。保留來源片段，讓逐字稿能與這些重要細節核對。較長的錄音應使用適合長篇轉錄的工作流程，不要將短片段的時長限制視為整個模型的音訊容量規格。
結果包含完整逐字稿、附有逐詞信心分數的詞語清單，以及介於零與一之間的整體信心分數。結果也會提供提交音訊的時長及請求識別碼，讓文字能與原始片段保持關聯。可依詞語信心分數找出值得重新聆聽檢查的段落，尤其是對應用程式重要的名稱、數字及領域詞彙。
詞語時間戳記為選用功能，預設關閉。要求此功能時，每個完成對齊的詞語都可附有相對於片段起點、以毫秒表示的開始與結束時間。開發商的規格在詞語無法對齊時會省略這些數值，而不會編造近似時間。時間戳記在英語音訊上的準確度最佳。準備詞語反白、可搜尋的波形或字幕對齊時，明確保留缺漏的時間資訊，並在將文字作為完成的字幕軌使用前，先與錄音核對。
上下文提示用來描述錄音的主題。它可以指定領域、情境，或應用程式已知的特定細節，長度上限為 6000 個字元。先使用符合音訊的簡短描述，例如針對特定裝置的技術支援對話。提示提供辨識上下文，並不是要求將說話者的訊息改寫成另一種文件。
獨立的關鍵詞清單可讓辨識偏向特定詞彙。Sync 規格最多接受 100 個詞語，整份清單合計上限為 8000 個字元。對於少見名稱、縮寫或產品術語，使用精確拼寫；一般容易辨識的詞語則不必加入。過長或不必要的詞語清單可能導致過度更正，因此應聚焦於錄音中重要的詞語。上下文描述與詞彙清單可以一起使用。
先前的對話也有助於解讀簡短回覆。依時間順序由舊到新提供先前語句，而目前音訊仍是本次要轉錄的輪次。文件所列的上下文額度為 500 個輪次，或總計 16,000 個字元。若超過這些上限或模型可用上下文，會先移除最舊的項目。當簡短回答包含識別碼，或其指涉意義來自前一個問題時，這項功能特別有用。
語言選擇會將辨識導向一種或多種預期語言。目前 Sync 介面接受 32 種語言代碼；未指定時預設使用英語。對於語碼轉換音訊，列出預期出現的語言。自訂上下文提示會取代系統管理的預設提示，並覆寫獨立的語言代碼引導，因此同時需要語言與情境上下文時，請在該提示中寫明預期語言。逐字稿應保留實際說出的語言，不要將轉錄視為翻譯指令。
此模型也用於其他 AssemblyAI 轉錄工作流程，但 Sync 規格的短片段要求與結果欄位屬於此特定介面。開發商的 Dictation 工作流程另外加入文字清理階段；逐字稿與改寫後的訊息是不同產出。若後續編輯或摘要步驟產生整理後的版本，應保留辨識出的語音文字，讓原始措辭仍可供比較。
實用產出包括轉錄後的語音訊息、助理的一個完整對話輪次、可供搜尋的短音訊文字，或供審閱介面使用的詞語時間清單。依錄音核對關鍵詞語、保留任何缺漏的對齊資訊，並維持片段與傳回文字的關聯。辨識結果為應用程式的下一步提供有來源依據的轉錄；回答請求或編輯訊息，則屬於外圍工作流程。
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions assemblyai/universal-3-5-pro
assemblyai/universal-3-5-pro入門
Universal-3.5 Pro 是 AssemblyAI 的語音轉文字模型，可在單次回應中將短音訊片段轉為完整逐字稿。其 Sync 規格加入詞語信心分數、選用的詞語時間戳記、詞彙提示及先前對話上下文，適用於語音輸入與按住說話工作流程。
- 接受的輸入
- 音訊
- 結果
- 文字
Ailoot 可用 · 輸入與方法
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions
- 輸入
audio- 輸出
text
| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 assemblyai/universal-3-5-pro | 預設值— |
欄位input_audio | 類型object | 要求必填 | 值與限制 | 預設值— |
方法參數與生命週期
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, input_audio |
參數material_types | 規格audio |
參數material_conditions | 規格此範例會讀取您實際使用且非空的 PCM WAV 檔案，將完整檔案位元組編碼為 base64，並將 input_audio.format 設為 wav 傳送。 |
生命週期： synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · 現有自有媒體紀錄中完全相符的 task_id
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
方案
費率資訊不會增加請求選項。支援的參數列於所選方法中。
- 快速模式
- 未指定 選取快速模式時
- flex 模式
- 未指定 選取 flex 模式時
- 最高推理強度
- 未指定 最高推理強度採用 default 調整值時
Ailoot 費率
各設定的價格
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 計費單位 | 費用 |
|---|---|---|---|
| 設定基礎 token 費率 | 費率表基本費率 | 計費單位— | 費用 輸入 · 輸入 Token — / 1K Token 輸出 · 輸出 Token — / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定輸入音訊秒數 | 費率表— | 計費單位每秒輸入音訊 | 費用 輸入 · 輸入音訊秒數 $0.00025 每秒輸入音訊 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音轉文字
set -eu
: "${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.
接收並儲存結果
Ailoot Ultra · 語音轉文字
完整的原始回應本文、狀態與轉送標頭。此處理常式不會加入通用的 JSON 結構、文字欄位或工作封裝。
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
保留所有已完成的結果
請保留所有完整傳回的回應、檔案與內容區塊。
保留完整回應與標頭、所有實際輸出、原始回傳的識別碼，以及所有用量欄位。恢復原始作業時，請勿再次提交建立請求。
需要檢查原始回應時
請保留實際的 X-Client-Request-ID 與完整回應。請讀取原始自有資產及其完全相符的簽署內容 URL；切勿重新提交結果不明的建立請求。
回應欄位
| 欄位 | 類型 |
|---|---|
欄位text (when present) | 類型 |
欄位usage (when present) | 類型 |
錯誤與後續步驟
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件JSON 本文或明確的標準模型 ID 無效。 | 下一步請保留回應，並修正指出的請求欄位。 |
回應401 · authentication_error | 條件Ailoot API 金鑰無效。 | 下一步請使用您已獲授權的 Ailoot API 金鑰。 |
回應403 · permission_error | 條件此金鑰群組未獲准使用該方法。 | 下一步請保留回傳的錯誤詳細資訊。 |
回應404 · not_found_error | 條件所選方法沒有獲准使用的路由。 | 下一步請保留回傳的錯誤詳細資訊。 |
回應422 · price_unavailable | 條件已接受的費率無法取得其所需的輸入數量或界限。 | 下一步請保留回應，並使用已接受費率所要求的輸入表示方式。 |
回應503 · | 條件所需的儲存系統、路由、方法價格或預留額度無法使用。 | 下一步請保留完整的原始回應。預留額度狀態不明並不代表可以重新提交。 |
回應502 · server_error | 條件原始結果、用量或結算需要查核。 | 下一步請保留實際的請求 ID 與原始回應。請讀取現有的自有紀錄，切勿重新提交建立請求。 |
別名
模型別名
Ailoot Ultra assemblyai/universal-3-5-pro
方法路徑別名
請使用上方列出的 API 方法路徑。
相關呼叫用 ID
FAQ · AssemblyAI: Universal-3.5 Pro
- 可以使用哪些輸入與結果？
POST /v1/audio/transcriptions·assemblyai/universal-3-5-pro:audio→text- 請求使用哪些欄位？
POST /v1/audio/transcriptions·assemblyai/universal-3-5-pro:model,input_audio