Edición de transcripciones

Resumen

La edición de transcripciones te permite añadir una instrucción en lenguaje natural a una solicitud de transcripción. Una vez transcrito el audio, la instrucción se aplica a la transcripción y el texto editado se devuelve junto al original.

Esto sustituye un paso independiente de posprocesamiento en tu propio workflow. Los usos habituales incluyen normalizar cómo se escriben las fechas, horas o unidades, desarrollar abreviaturas, eliminar contenido que no necesitas, aplicar otro estilo o tono, o reformatear la transcripción.

Por ejemplo, al transcribir un mensaje de voz con la instrucción Write all dates in ISO 8601 format (YYYY-MM-DD), se devuelven ambas versiones del texto:

{
  "language_code": "eng",
  "language_probability": 0.9912,
  "text": "Hi, this is Jill. Your appointment is confirmed for the twelfth of July twenty twenty-six, and the follow-up is on the third of August.",
  "words": [
    { "text": "Hi,", "start": 0.12, "end": 0.38, "type": "word", "logprob": 0.0 },
    { "text": " ", "start": 0.38, "end": 0.41, "type": "spacing", "logprob": 0.0 },
    { "text": "this", "start": 0.41, "end": 0.55, "type": "word", "logprob": 0.0 },
    ...
  ],
  "transcription_id": "Y2ZX8AxHUzTPCIualYiE",
  "edited_transcript": {
    "kind": "transcript",
    "text": "Hi, this is Jill. Your appointment is confirmed for 2026-07-12, and the follow-up is on 2026-08-03."
  }
}

Los campos text y words siempre describen la transcripción original. La versión editada se devuelve por separado en edited_transcript.

Integrar la edición de transcripciones

La edición de transcripciones se integra en la API de Voz a Texto pasando el parámetro transcript_edit al método convert. La instrucción puede tener hasta 2000 caracteres.

import os
from dotenv import load_dotenv
from elevenlabs.client import ElevenLabs
load_dotenv()
elevenlabs = ElevenLabs(
    api_key=os.getenv("ELEVENLABS_API_KEY"),
)
with open("voicemail.mp3", "rb") as audio_file:
    transcription = elevenlabs.speech_to_text.convert(
        file=audio_file,
        model_id="scribe_v2",
        # Natural-language instruction applied to the finished transcript.
        transcript_edit="Write all dates in ISO 8601 format (YYYY-MM-DD)",
    )
print("Original:", transcription.text)
print("Edited:", transcription.edited_transcript)

La edición de transcripciones funciona tanto con solicitudes síncronas como con solicitudes de webhook. En las solicitudes de webhook, edited_transcript se incluye en el objeto transcription de la carga útil del webhook.

Scribe v2 Realtime admite las mismas instrucciones en cada transcripción confirmada. Consulta la guía de edición de transcripciones en tiempo real.

Redactar instrucciones

La instrucción se aplica a toda la transcripción donde sea relevante, y se edita cada aparición coincidente, no solo la primera. Una instrucción puede cambiar palabras o frases específicas y dejar todo lo demás intacto, o puede reescribir o anotar el texto completo. Una sola instrucción puede combinar varias ediciones.

Los siguientes ejemplos muestran el rango de instrucciones compatibles:

Ten en cuenta lo siguiente al redactar instrucciones:

• Sé explícito sobre el resultado deseado. Write all dates in ISO 8601 format (YYYY-MM-DD) es más fiable que fix the dates.
• La instrucción puede escribirse en cualquier idioma, aunque las instrucciones en inglés funcionan mejor. La transcripción editada se mantiene en el idioma del original.
• Solo se ejecuta la instrucción. El contenido hablado en el audio se trata como datos y no puede cambiar cómo se aplica la instrucción.
• Si la instrucción no afecta a nada de la transcripción, la transcripción editada es idéntica a la original.

Formato de respuesta

Cuando se establece transcript_edit, la respuesta contiene un objeto edited_transcript. Su campo kind indica si la edición se ha realizado correctamente:

El campo no está presente cuando no se ha solicitado ningún transcript_edit.

{
  "text": "Hi, this is Jill. Your appointment is confirmed for ...",
  "edited_transcript": {
    "kind": "error",
    "error_type": "edit_failed",
    "message": "The transcript could not be edited. Please try again."
  }
}

Comportamientos que debes tener en cuenta:

• La transcripción editada es texto sin formato. Las marcas de tiempo por palabra, las etiquetas de hablante y additional_formats siguen describiendo la transcripción original.
• La edición se ejecuta una vez finalizada la transcripción, por lo que añade latencia que aumenta con la duración de la transcripción.
• El recargo se aplica a la duración de audio de la solicitud, con un mínimo facturado de 10 segundos por solicitud.

Próximos pasos