Prompting par termes clés

Vue d’ensemble

Le prompting par termes clés est une fonctionnalité qui vous permet de mettre en évidence des mots ou expressions pour inciter le modèle à les transcrire. Cette fonctionnalité est utile pour transcrire des mots ou phrases spécifiques peu fréquents dans l’audio, comme des noms de produits, des noms propres ou d’autres termes précis. Les termes clés sont plus efficaces que les mots-clés orientés ou les vocabulaires personnalisés proposés par d’autres modèles, car le modèle s’appuie sur le contexte pour décider de transcrire ou non le terme.

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

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

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

I work at eleven labs.

Cette transcription utilise un style incorrect pour le nom de l’entreprise. Avec le prompting par termes clés, vous pouvez vous assurer que le modèle transcrit l’extrait ci-dessus avec l’orthographe et le style corrects :

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, tout en permettant au modèle de transcrire correctement l’extrait suivant selon le 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 par 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_v2", # 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 par 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_v2_realtime",
    keyterms=["ElevenLabs"],
))

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

wss://api.elevenlabs.io/v1/speech-to-text/realtime?model_id=scribe_v2_realtime&keyterms=ElevenLabs&keyterms=AnotherTerm

Étapes suivantes