Source: https://ailoot.ai/models/zh-hant-tw/fish-audio-transcribe-1-pro/ Canonical: https://ailoot.ai/models/zh-hant-tw/fish-audio-transcribe-1-pro/ Language: zh-hant-tw # Fish Audio: Transcribe 1 Pro [Markdown](https://ailoot.ai/models/zh-hant-tw/fish-audio-transcribe-1-pro/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/fish-audio-transcribe-1-pro/facts.json) ## [Fish Audio: Transcribe 1 Pro](https://ailoot.ai/models/zh-hant-tw/fish-audio-transcribe-1-pro/) Transcribe 1 Pro 將最長 60 分鐘錄音轉成附說話者標記的文字，可選擇逐字時間。它保留推測的情緒與發聲事件提示，讓訪談、會議及 Podcast 更易審閱、搜尋或準備字幕。 - [**Ailoot Ultra · 語音辨識** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro`](https://ailoot.ai/models/zh-hant-tw/fish-audio-transcribe-1-pro/#method-0) 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。 Transcribe 1 Pro 是 Fish Audio 用於短片段、多說話者對話及長錄音的語音轉文字模型。它接收錄製音訊，回傳逐字稿，可選時間資訊及結構化說話輪次。其特色是文字中的說話者切換標記，以及情緒或發聲事件提示，比單純單字序列保留更多錄音對話結構。 訪談、會議或 Podcast 請將完整對話保留在一個檔案，讓再次出現的說話者可在同一回應內維持一致標籤。實用審閱產物是連結原始錄音的逐字稿，分開顯示輪次，並提供時間戳記以核對引文。摘要或行動清單是後續應用程式步驟，請與逐字稿分開，讓口述來源持續可供比較。 提供者接受最長 60 分鐘錄音，並描述以 MP3、Opus、AAC 等壓縮音訊處理長檔案。支援格式包括 WAV、MP3、以 M4A 或 MP4 封裝的 AAC、FLAC、含 Opus 或 Vorbis 的 Ogg、WebM/Matroska，以及 MOV。影片檔案使用第一條音軌。不支援 AIFF、CAF、WMA、AMR、AC-3 及無標頭原始 PCM。每個請求提供一個音訊檔案；整段錄音轉錄完成後才回傳結果，長錄音可能需要數分鐘。短於約 0.08 秒的片段會被拒絕。 提供者回應包含完整文字、錄音秒數及 segments 陣列。Pro 使用 \<|speaker:0|\>、\<|speaker:1|\> 等行內標籤標示說話者切換；標籤適用於後續文字，直到下一個標記。這些是單一回應內的識別碼，不是已驗證姓名，也不是可跨請求比對的身分。若逐字稿沒有說話者標記，指南將其視為單一說話者結果。第一個標記前的任何文字應和第一輪一起保留，不要丟棄。 逐字時間戳記是可選項。提供者請求的 ignore\_timestamps 預設為 true；設為 false 會要求包含文字、開始及結束秒數的 segments。片段通常是一個單字，中文及日文則可能是一個或少數字元。片段文字不含標點、說話者標記與事件提示，口述數值的正規化方式也可能不同於完整逐字稿。單字片段的開始與結束時間可以相同。空 segments 陣列可能代表未要求時間戳記、未找到語音，或時間資訊暫時不可用。可讀措辭請使用完整逐字稿，對齊請使用 segments，不要假設兩種字串逐字元相同。 diarize 預設為 auto。要求時間戳記且 diarize 不是 false 時，Pro 還會回傳 speaker\_turns。每輪包含說話者標籤、文字及開始／結束時間，保留標點與保留下來的提示，但不含行內說話者標記。若沒有逐字時間，輪次時間可能為近似值，並涵蓋整段錄音；相鄰輪次不一定連續，也不保證互不重疊。停用 diarize 會移除結構化輪次清單，但完整文字仍保留說話者標記。已知說話者數，或最小及最大數，可作為長錄音說話者分離的盡力而為提示。確切數量不能與數量範圍併用，停用 diarize 時也不能使用數量提示。 情緒與發聲事件提示會以方括號文字出現在辨識語音旁，例如 \[laughter\]。這是從音訊推測的資訊，不是使用者須在轉錄前加入的單字。Pro 的 tag\_audio\_events 預設為 true；停用後會從逐字稿與輪次文字移除這些提示，不改變時間資訊。沒有獨立情緒欄位或固定情緒列舉。說話聲音特徵重要時請保留註記逐字稿；後續產物只需口述單字時，可使用無提示版本。 語言自動偵測。可選的小寫 ISO 639-1 提示，不會強制翻譯或改變 Pro 逐字稿。若無法確定語言，回傳語言代碼可能反映提示，而沒有對照音訊驗證。提供者回報一種語言，不是混合語言錄音中每種語言的清單。準備可搜尋檔案庫時，請將原始措辭與語言中繼資料一起保留，尤其在對話不同部分切換語言時。 字幕請將連續定時單字組成可讀 SRT 或 WebVTT 字幕段，不要每個單字各一段。依停頓分段，並選擇適合播放器與觀眾的長度及顯示時間。說話輪次邊界可讓不同說話者使用不同字幕段。請檢查是否沒有時間結果，並確認字幕段結束時間必須晚於開始時間。字幕格式、匿名說話者標籤的名稱及後續摘要，都是根據轉錄結果建立的應用程式產物。 實際錄音流程應在轉錄前決定，需要一般可讀逐字稿、帶註記對話輪次，還是定時字幕。請將音訊識別碼和結果一起保留，標點與提示重要時保留回傳完整文字，導覽則使用結構化時間欄位。Pro 的長錄音及多說話者能力，不同於一般短錄音 Transcribe 1 模型；兩者限制與控制項不應視為可互換。 **Ailoot Ultra · 語音辨識** `POST /v1/audio/transcriptions` `fish-audio/transcribe-1-pro` [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/zh-hant-tw/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) Fish Audio /`fish-audio/transcribe-1-pro` ### 入門 Transcribe 1 Pro 將最長 60 分鐘錄音轉成附說話者標記的文字，可選擇逐字時間。它保留推測的情緒與發聲事件提示，讓訪談、會議及 Podcast 更易審閱、搜尋或準備字幕。 接受的輸入 音訊 結果 文字 ### Ailoot 可用 · 輸入與方法 **Ailoot Ultra · 語音辨識** `POST /v1/audio/transcriptions` 輸入 `audio` 輸出 `text` 輸出格式 json | 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 fish-audio/transcribe-1-pro | 預設值— | | 欄位`input_audio` | 類型`object` | 要求必填 | 值與限制 確切鍵名: data, format | 預設值— | | 欄位`input_audio.data` | 類型`base64_string` | 要求必填 | 值與限制 解碼後位元組數上限: 26,214,400 嚴格 Base64: 是 | 預設值— | | 欄位`input_audio.format` | 類型`string` | 要求必填 | 值與限制 條件: 必須與實際檔案探測出的格式一致 | 預設值— | | 欄位`response_format` | 類型`string` | 要求選填 | 值與限制 json | 預設值— | 輸入素材組合 **speech\_to\_text** · 必填： input\_audio.data, input\_audio.format 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`additional_properties` | 規格false | | 參數`parameters` | 規格{"name":"model","type":"string","required":true,"enum":\["fish-audio/transcribe-1-pro"\]}, {"name":"input\_audio","type":"object","required":true,"exact\_keys":\["data","format"\],"data":"對實際受支援的音訊位元組進行嚴格 base64 編碼","format":"探測所得的確切檔案格式；必須與實際位元組一致"}, {"name":"response\_format","type":"string","required":false,"enum":\["json"\]} | | 參數`max_audio_bytes` | 規格26214400 | | 參數`multipart_for_this_profile` | 規格false | | 參數`material_types` | 規格audio | 生命週期： `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · 實際回傳的 task\_id 或媒體庫紀錄 `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` 請保留完整回應與原始回傳的 ID。 切勿重新提交結果不明的建立請求。 ### 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 **$0.0002** 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 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/) #### 參考費率詳情 模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。 Fish Audio: Transcribe 1 Pro #### 各設定的價格 | 設定 | 計費條件 | 費用 | | --- | --- | --- | | 設定Fish Audio: Transcribe 1 Pro · 預設設定 | 計費條件預設設定 | 費用 輸入 · 輸入音訊秒數 **US$0.0002** 每秒輸入音訊 | ### 請求範例 #### Ailoot Ultra · 語音辨識 curl · 實際音訊位元組與已探測確認的格式 ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_AUDIO_FILE:?Set your actual audio file}" : "${AILOOT_AUDIO_FORMAT:?Set its actual probed file format}" export AILOOT_AUDIO_FILE AILOOT_AUDIO_FORMAT python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "fish-audio/transcribe-1-pro", "response_format": "json"}') import base64 f=Path(os.environ['AILOOT_AUDIO_FILE']) raw=f.read_bytes() if not raw or len(raw)>26214400:raise SystemExit('Use actual audio bytes within 25 MiB') fmt=os.environ['AILOOT_AUDIO_FORMAT'].strip() if not fmt:raise SystemExit('Use the actual probed format; the server checks it against the bytes') p['input_audio']={'data':base64.b64encode(raw).decode(),'format':fmt} Path('request.json').write_text(json.dumps(p,ensure_ascii=False)) 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 result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path('result.json').read_text()) print(json.dumps(r,ensure_ascii=False,indent=2)) print('Keep the complete JSON and response headers; do not resubmit an unknown creation.') PY_RESULT ``` ### 接收並儲存結果 #### Ailoot Ultra · 語音辨識 json - `GET /v1/media/tasks/{task_id}` - `GET /v1/media/assets/{asset_id}/content` - `GET /v1/media/assets` - `GET /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。 請保留完整 JSON、回應標頭、文字，以及每個實際回傳的用量欄位。請使用回應或自有媒體庫中的實際工作／資產身分；operation\_id 並非 task\_id。 ##### 需要檢查原始回應時 保留原始 operation\_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。 回應欄位 | 欄位 | 類型 | 含義 | | --- | --- | --- | | 欄位`text` | 類型string | 含義轉錄文字。 | | 欄位`usage` | 類型object | 含義音訊用量。 | | 欄位`usage.seconds` | 類型number | 含義音訊長度，以秒為單位。 | | 欄位`duration` | 類型number | 含義音訊長度，以秒為單位。 | | 欄位`task_id` | 類型string | 含義轉錄工作 ID；當非空的轉錄文字已儲存、發布並獲配簽署的內容 URL 時，會與 asset\_url 一併回傳。 | | 欄位`asset_url` | 類型string | 含義轉錄文字內容的簽署 URL；當非空的轉錄文字已儲存、發布並獲配簽署的內容 URL 時，會與 task\_id 一併回傳。 | 錯誤與後續步驟 | 回應 | 條件 | 下一步 | | --- | --- | --- | | 回應400 · `invalid_request_error` | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 | | 回應`server_error` | 條件回傳的回應表示該作業或結果需要檢查 | 下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。 | ### 別名 #### 模型別名 **Ailoot Ultra** [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/zh-hant-tw/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) #### 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 [`fish-audio/transcribe-1-pro`](https://ailoot.ai/models/zh-hant-tw/#m=fish-audio%2Ftranscribe-1-pro&route=Ultra&caller=fish-audio%2Ftranscribe-1-pro&fmt=transcriptions) FAQ · Fish Audio: Transcribe 1 Pro 可以使用哪些輸入與結果？ `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `audio` → `text` 請求使用哪些欄位？ `POST /v1/audio/transcriptions` · `fish-audio/transcribe-1-pro`: `model`, `input_audio`, `response_format` 將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。 ## 公司及其專案組合 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 ## 優惠購買 token。 訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。 訂閱 為定期請求選擇優惠方案。 最高 50% 折扣碼 購買時輸入代碼，價格依活動重算。 歷史中的費用 每次請求保存模型、token 與金額。 [選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/) ## 將 API 加入 你銷售的產品。 依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。 商用應用程式 在付費功能加入文字、圖片、影片與聲音生成。 經銷授權 提供專案說明與存取方式，要求書面使用和轉售條件。 網站文件 串接前可閱讀正式服務條款、授權合約與資料處理政策。 [申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw) ## Ailoot · 公司及其專案組合 Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。 公司及其專案組合：數百萬客戶，每月銷售額達數十億。 Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。