ElevenLabs: Scribe v2
ElevenLabs Scribe v2 可轉錄 90+ 種語言的錄音，提供逐詞時間資訊、選用的說話者分離，以及非語音事件標記。它適用於長篇錄音、字幕與可編輯逐字稿，並提供依上下文使用的關鍵詞，以及逐字或整理後的轉錄選項。
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。
ElevenLabs Scribe v2 是用於錄音、轉錄、字幕製作與輔助字幕的批次語音辨識模型。它在 Scribe v1 的基礎上，改善了長篇錄音、停頓、語調變化與長時間靜音的處理。結果為附有時間資訊的語音文字，並可選擇加入說話者與音訊事件註記。Scribe v2 Realtime 是另一個即時轉錄版本；此模型的用途是處理完整錄音。
開發商文件記載，模型可辨識超過 90 種語言並自動偵測語言，也包含會切換語言的錄音。提供已知語言的提示，有助於模型理解音訊。請準備清晰的錄音，保留原始語言與名稱，並避免嚴重削波失真，或會移除語音細節的不必要處理。文件列出的常見輸入包括 WAV、MP3、FLAC、M4A、AAC、OGG、Opus 和 WebM。請選擇轉錄實作支援的輸入形式，並保留來源錄音以供審閱。
標準回應包含辨識文字、偵測到的語言資訊，以及一連串附時間資訊的詞。詞的記錄可包含開始與結束時間、說話者識別標記與辨識對數機率。這些資訊讓結果適用於字幕、可搜尋的訪談，或可跳回相關聲音位置的編輯器。請將附時間資訊的結果與來源音訊一併保留。例如，Podcast 的交付成果可以包含可編輯逐字稿與逐詞對齊的記錄，方便在編排字幕前定位需要修正的內容。
說話者分離會在多人音訊中標示誰於何時發言；開發商文件記載最多支援 32 位說話者。當發言輪替很重要時，請啟用此功能；若已知說話者人數，請提供合理的人數。請區分偵測出的說話者標籤與已確認的人名。針對訪談或會議，請對照錄音檢查發言輪替，尤其注意聲音重疊或聲線相似之處。標籤有助於整理逐字稿，但本身無法確立說話者身分。
每個聲道各有一位說話者的錄音，與多個聲音混在同一聲道的錄音，具有不同結構。開發商介面可獨立處理最多五個聲道，並傳回各自的逐字稿，或附聲道索引、依時間排序的合併逐字稿。當聲道配置有意義時，請保留它。將分離的通話錄音合併後再轉錄，可能會丟失有用的說話者資訊來源。請區分依聲道歸屬的資訊與從混合音訊推斷出的說話者分離結果。合併聲道的回應必須包含時間戳記，且不能包含實體偵測或實體遮蔽。
關鍵詞提示會運用上下文引導名稱、產品術語與專業詞彙的辨識。目前的批次文件允許最多 1,000 個詞，每個詞須少於 50 個字元，且最多包含五個單字。請提供相關詞彙的拼寫，而非涵蓋大量無關內容的詞庫。針對技術訪談，可提供可能出現的產品名稱與縮寫，再到結果中的對應時間點檢查。關鍵詞會影響辨識傾向，但不是要求在錄音無法支持時插入該詞的指示。
套用文字整理前，請先選定逐字稿的用途。逐字記錄會保留實際說出的措辭，而文件記載的非逐字（no-verbatim）選項會移除贅詞、起頭後中斷重說的內容與不流暢表達，讓結果更易閱讀。動態音訊標記可辨識笑聲或腳步聲等非語音事件。潤飾後的逐字稿可能適合字幕或閱讀，但當重複、更正或非語音聲音對任務很重要時，不應默默以它取代原始記錄。
開發商也記載了實體偵測與實驗性的逐字稿編輯功能。在開發商介面中，逐字稿編輯不能與實體偵測、實體遮蔽或多聲道轉錄併用。偵測到的實體會提供逐字稿中特定資訊的結構化位置。選用的實體遮蔽會以替代標籤遮住偵測到的文字；此功能依賴實體偵測，且啟用遮蔽時不會傳回實體清單。遮蔽在轉錄過程中進行，可使用通用替代標記、類別標籤或帶編號的類別標籤。自動遮蔽可能漏掉敏感內容，因此分享前請檢查遮蔽後的逐字稿。自然語言編輯會在原始結果之外傳回編輯後的文字，原有時間資訊與說話者記錄仍可使用。請區分這些成果：更正拼寫或重新編排句子後，在與音訊對齊或用於後續擷取前，可能需要重新檢查。這些功能會處理逐字稿，並不代表每項重要細節都已正確辨識。
要完成逐字稿，請回到對應音訊檢查名稱、數字、否定語句與說話者變換。留意微弱聲音、重疊語音與語言切換，勿僅以文字是否流暢來判斷品質。保留不確定的措辭以便修正，避免用看似合理的句子補齊聽不清楚的段落。實用的結果是經檢查的文字記錄，附有預定用途所需的時間資訊與說話者資訊；之後即可將逐字稿作為另一項摘要、翻譯或分析步驟的輸入。
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions elevenlabs/scribe-v2
elevenlabs/scribe-v2入門
ElevenLabs Scribe v2 可轉錄 90+ 種語言的錄音，提供逐詞時間資訊、選用的說話者分離，以及非語音事件標記。它適用於長篇錄音、字幕與可編輯逐字稿，並提供依上下文使用的關鍵詞，以及逐字或整理後的轉錄選項。
- 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 elevenlabs/scribe-v2 | 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 $0.0001222222222222 每秒輸入音訊 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音轉文字
set -eu
: "${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': '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.
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 elevenlabs/scribe-v2
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 · ElevenLabs: Scribe v2
- 可以使用哪些輸入與結果？
POST /v1/audio/transcriptions·elevenlabs/scribe-v2:audio→text- 請求使用哪些欄位？
POST /v1/audio/transcriptions·elevenlabs/scribe-v2:model,input_audio