Passer à la navigation

Prompting de termes clés

Ce guide vous explique comment utiliser le prompting de termes clés avec l’API Speech to Text.

Guide pratique · Suppose que vous avez suivi le guide de démarrage rapide Speech to Text.

Vue d’ensemble

Le prompting de termes clés est disponible avec Scribe v3, Scribe v3 Live, Scribe v2, Scribe v2 Medical (batch) et Scribe v2 Realtime, et entraîne un coût supplémentaire. Consultez la page des tarifs de l’API pour obtenir des informations tarifaires détaillées.

Le prompting de termes clés vous permet de mettre en évidence des mots ou des expressions afin d’orienter le modèle vers leur transcription. Cette fonctionnalité est utile pour transcrire des mots ou phrases spécifiques peu fréquents dans l’audio, tels que des noms de produits, des noms propres ou d’autres termes précis. Les termes clés sont plus efficaces que les mots-clés biaisés ou les vocabulaires personnalisés proposés par d’autres modèles, car ils s’appuient sur le contexte pour déterminer si le terme doit être transcrit.

Batch (Scribe v3 / Scribe v2 / Scribe v2 Medical)Temps réel (Scribe v3 Live / Scribe v2 Realtime)
Nombre maximal de termes clés100050
Nombre maximal de caractères par terme clé5020

En transcription batch, chaque terme clé peut également contenir au maximum 5 mots.

Pour un vocabulaire temps réel plus vaste, Scribe v3 Live accepte également une bibliothèque de termes clés comptant jusqu’à 10 000 termes.

Par exemple, si le nom de votre entreprise n’est pas une expression courante ou possède une orthographe ou une prononciation particulière, vous pouvez utiliser des termes clés pour vous assurer que le modèle le transcrit correctement. Prenez l’audio suivant :

Sans prompting de termes clés, le modèle pourrait transcrire l’exemple ci-dessus ainsi :

I work at eleven labs.

Ce qui utilise le mauvais style pour le nom de l’entreprise. Avec le prompting de termes clés, vous pouvez vous assurer que le modèle transcrit l’exemple ci-dessus avec la bonne orthographe et le bon style :

I work at ElevenLabs.

Contexte

Le modèle peut utiliser le contexte pour déterminer si un terme doit être transcrit ou non. Lorsque vous fournissez le terme clé “ElevenLabs”, l’audio ci-dessus est transcrit comme prévu, mais le modèle peut toujours transcrire correctement l’exemple suivant en fonction du contexte :

Ce qui produit la transcription suivante :

I've worked at many labs. In fact I've worked at eleven labs.

Transcription batch

Le prompting de termes clés est intégré à l’API Speech to Text batch en transmettant le paramètre keyterms à la méthode convert.

import os
from dotenv import load_dotenv
from io import BytesIO
import requests
from elevenlabs.client import ElevenLabs
load_dotenv()
elevenlabs = ElevenLabs(
api_key=os.getenv("ELEVENLABS_API_KEY"),
)
audio_url = (
"https://storage.googleapis.com/eleven-public-cdn/documentation_assets/audio/stt-keyterm-prompting.mp3"
)
response = requests.get(audio_url)
audio_data = BytesIO(response.content)
transcription = elevenlabs.speech_to_text.convert(
file=audio_data,
model_id="scribe_v3", # Model to use
# Keyterms to prompt the model with.
# Up to 1000 keyterms can be provided, with a maximum length of 50 characters each
keyterms=["ElevenLabs"],
)
print(transcription)

Streaming en temps réel

Le prompting de termes clés est également disponible pour l’API WebSocket Speech to Text en temps réel. Transmettez le paramètre keyterms lors de la connexion.

connection = await elevenlabs.speech_to_text.realtime.connect(RealtimeUrlOptions(
model_id="scribe_v3_live",
keyterms=["ElevenLabs"],
))

Lorsque vous utilisez directement l’API WebSocket, transmettez les termes clés en tant que paramètres de requête :

wss://api.elevenlabs.io/v1/speech-to-text/realtime?model_id=scribe_v3_live&keyterms=ElevenLabs&keyterms=AnotherTerm

Bibliothèque de termes clés

La bibliothèque de termes clés est disponible uniquement avec Scribe v3 Live (scribe_v3_live).

Le prompting de termes clés convient mieux au petit nombre de termes dont vous savez qu’ils apparaîtront dans l’audio. Une bibliothèque de termes clés est un vaste vocabulaire couvrant tout un domaine, comme un dictionnaire médical, des termes juridiques ou un catalogue de produits. Le modèle consulte la bibliothèque uniquement lorsqu’il entend une correspondance probable.

Envoyez la bibliothèque sous la forme de keyterm_library dans le premier message input_audio_chunk de la session :

{
"message_type": "input_audio_chunk",
"audio_base_64": "<base64-encoded audio>",
"commit": false,
"sample_rate": 16000,
"keyterm_library": ["Acetaminophen", "Metoprolol", "Atorvastatin"]
}

Une bibliothèque de termes clés présente les limites suivantes :

  • Jusqu’à 10 000 termes.
  • Jusqu’à 50 caractères par terme.
  • Jusqu’à 2 Mo de texte au total.
  • Les termes ne peuvent pas être vides.

Vous pouvez combiner une bibliothèque de termes clés avec le paramètre de requête keyterms dans une même session. Les sessions qui utilisent l’un ou l’autre sont facturées une seule fois au coût du prompting de termes clés.

keyterm_library est accepté uniquement dans le premier input_audio_chunk d’une session. L’envoyer dans un segment ultérieur, ou envoyer une bibliothèque qui dépasse les limites, renvoie une input_error et ferme la connexion.

Les SDK officiels ne prennent pas encore en charge keyterm_library. Pour l’utiliser, connectez-vous directement à l’API WebSocket.

Étapes suivantes