Google: Chirp 3
Google Chirp 3 是多語語音辨識模型，適用串流、短錄音及較長的批次轉錄。它提供自動語言偵測、標點、詞彙調適，以及依模式而異的時間或講者中繼資料。其降噪器可減少背景雜音，但無法移除其他人聲。
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。
Google Chirp 3 是將口述音訊轉為文字的多語自動語音辨識模型。Google 在 Speech-to-Text V2 系列中將它記載為 Chirp 3 轉錄模型，模型識別碼為 chirp_3。其用途為辨識錄製或串流語音，提供語言偵測及轉錄專用功能。所得成果是轉錄稿及所選辨識方法支援的中繼資料，而非生成語音或開放式助理答案。
原始模型提供者區分串流辨識、短片段同步辨識及長錄音批次辨識。請依來源音訊與所需結果選擇模式。短語音備忘錄可能只需完整文字回應。訪談或通話錄音可能更適合附講者資訊的批次結果。即時字幕或語音命令介面應區分中間文字與最終辨識結果，並保留其描述的音訊區間。
請以辨識實作預期的編碼準備音訊。Google Chirp 3 範例對錄製檔案使用自動偵測解碼，對原始串流設定則明確指定解碼。相關 V2 解碼器參考列出的支援編碼包含 WAV PCM 或壓擴音訊、FLAC、MP3、Ogg/WebM Opus，以及 MP4、M4A 或 MOV 容器內的 AAC。容器名稱無法取代實際編解碼器及取樣設定。請保留清楚語音，避免嚴重削波或造成可聽細節流失的不必要轉換。
Chirp 3 可自動識別並轉錄主要語言，預期語言地區設定集合則可縮小辨識選擇。語言可用性依方法及功能而異。轉錄語言清單比講者分離清單廣，因此辨識某語言不代表每項講者或時間功能都適用。請使用符合錄音的語言地區設定，並保留語碼轉換中的姓名或專業術語供檢查。偵測語言標籤是結果的一部分，不是所有特殊詞皆已正確辨識的證據。
講者分離依聲音將單聲道錄音中的語音分組。Google 提供每個單字帶講者資訊的批次轉錄範例。訪談應隨辨識文字保留這些標籤，並在附上實際姓名或角色前，對照錄音檢查講者變換。相似聲音、打斷及重疊語音可能讓歸屬困難。請明確保留來源聲道配置及預期講者審查任務，而非將標籤視為獨立驗證的身分。
時間資訊也依方法而異。串流辨識提供語句層級時間戳記，開發者檔案辨識指南則描述可選單字時間資訊，並指出可能犧牲轉錄品質。請保留所選方法實際回傳的中繼資料，與文字一起檢查對齊。字幕流程兩者皆需要：可讀的辨識文字，以及時間邊界對應正確聲音的證據。Google 也提醒，回傳的單字層級 confidence 值不是真正的信心分數，因此不應用來認證某字正確。
語音調適提供錄音中可能出現的片語及專有名詞。開發者記載最多 1,000 個片語的詞典，並建議僅提供必要的相關項目，讓清單盡可能精簡，以免降低其他詞彙的辨識效果。技術簡報應準備實際產品名稱與縮寫的短清單，再在轉錄稿檢查它們。偏置可協助辨識考慮某個詞，但不能證明該詞曾被說出，也不能取代對照音訊檢查。
模型提供自動標點及大小寫處理，可由文件記載的介面停用。Google 也描述了自訂轉錄格式指令的預覽功能，例如某個姓名或日期應如何書寫。請讓這些指令聚焦於辨識語音的格式。轉錄稿即使正規化日期或將品牌名稱大寫，仍需保留口述原意。摘要、翻譯或事實分析是轉錄稿的後續用途，而非辨識結果本身所確立的內容。
內建降噪器旨在減少背景音樂，以及雨聲或街道噪音等環境聲。Google 明確表示，它無法移除背景人聲。準備含重疊對話的錄音時，應保留此區別。請對照來源檢查吵雜與安靜段落，不要假設看起來更乾淨的轉錄稿就能證明干擾聲已移除。實用結果應讓不確定段落保持可辨識，以便修正。
串流任務的語句終點偵測靈敏度會改變何時將語句視為結束。開發者描述 standard、short、supershort 設定，對應預期語音逐漸縮短。較快設定可能截斷思考中途停頓的講者。請依自然聽寫、短句或極短命令選擇相符設定，並隨轉錄稿保留最終結果狀態。完整檔案應檢查姓名、數量、否定詞及講者邊界，再保留所選模式與來源音訊，讓結果可供核對或重用。
Ailoot Ultra · 語音轉文字 POST /v1/audio/transcriptions google/chirp-3
google/chirp-3入門
Google Chirp 3 是多語語音辨識模型，適用串流、短錄音及較長的批次轉錄。它提供自動語言偵測、標點、詞彙調適，以及依模式而異的時間或講者中繼資料。其降噪器可減少背景雜音，但無法移除其他人聲。
- 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 google/chirp-3 | 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 $0.000533333333334 每秒輸入音訊 |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
請求範例
Ailoot Ultra · 語音轉文字
set -eu
: "${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': 'google/chirp-3', '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 google/chirp-3
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 · Google: Chirp 3
- 可以使用哪些輸入與結果？
POST /v1/audio/transcriptions·google/chirp-3:audio→text- 請求使用哪些欄位？
POST /v1/audio/transcriptions·google/chirp-3:model,input_audio