एंटिटी डिटेक्शन

ओवरव्यू

एंटिटी डिटेक्शन एक ऐसी सुविधा है जो आपको ट्रांसक्रिप्ट में खास शब्द और वाक्यांश पहचानने और उनके सटीक टाइमस्टैम्प पाने देती है। यह क्रेडिट कार्ड नंबर, नाम, मेडिकल कंडीशन या SSN पहचानने के लिए उपयोगी है, जिन्हें बाद में हटाया जा सकता है।

इसे सक्षम करने पर, मॉडल ट्रांसक्रिप्ट में खास एंटिटी टाइप पहचानता है और उनके सटीक टाइमस्टैम्प देता है।

उदाहरण के लिए, यह ऑडियो:

जब हम एंटिटी टाइप के रूप में "pii" (व्यक्तिगत पहचान योग्य जानकारी) निर्दिष्ट करते हैं, तो यह निम्न ट्रांसक्रिप्ट आउटपुट करता है:

{
  "language_code": "eng",
  "language_probability": 0.9869821071624756,
  "text": "My name is Jill. My date of birth is the 12th of July 1987, and my credit card number is 4242-4242-4242-4242.",
  "words": [
    { "text": "My", "start": 0.099, "end": 0.259, "type": "word", "logprob": 0.0 },
    { "text": " ", "start": 0.259, "end": 0.299, "type": "spacing", "logprob": 0.0 },
    { "text": "name", "start": 0.299, "end": 0.42, "type": "word", "logprob": 0.0 },
    ...
  ],
  "transcription_id": "Y2ZX8AxHUzTPCIualYiE",
  "entities": [
    {
      "text": "Jill",
      "entity_type": "name",
      "start_char": 11,
      "end_char": 15
    },
    {
      "text": "12th of July 1987",
      "entity_type": "dob",
      "start_char": 41,
      "end_char": 58
    },
    {
      "text": "4242-4242-4242-4242",
      "entity_type": "credit_card",
      "start_char": 89,
      "end_char": 108
    }
  ]
}

नतीजे में ट्रांसक्रिप्ट में पहचानी गई PII एंटिटी उनके सटीक टाइमस्टैम्प के साथ दिखती हैं।

एंटिटी डिटेक्शन इंटीग्रेट करना

convert मेथड में entity_detection पैरामीटर पास करके एंटिटी डिटेक्शन को स्पीच टू टेक्स्ट API में इंटीग्रेट किया जाता है।

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-entity-detection-pii.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
    # Entity types to detect, accepts a list of specific entity types or categories.
    # To detect all entity types, use the "all" category.
    entity_detection=["pii"],
)
print("Entities detected:", transcription.entities)

एंटिटी टाइप

डिटेक्शन के लिए ये एंटिटी टाइप समर्थित हैं। आप कैटेगरी कीवर्ड pii, phi, pci, other, या offensive_language का इस्तेमाल करके पूरे ग्रुप पहचान सकते हैं, या उनके लेबल से अलग-अलग एंटिटी टाइप निर्दिष्ट कर सकते हैं। सभी एंटिटी टाइप पहचानने के लिए all कैटेगरी इस्तेमाल करें।

एंटिटी रिडैक्शन

एंटिटी पहचानने के अलावा, आप entity_redaction पैरामीटर से उन्हें ट्रांसक्रिप्ट टेक्स्ट से हटा सकते हैं। यह entity_detection जैसा ही फ़ॉर्मैट स्वीकार करता है: all, कैटेगरी कीवर्ड या खास एंटिटी टाइप की सूची। रिडैक्ट किए गए टाइप, पहचाने गए टाइप के सबसेट होने चाहिए।

रिडैक्शन सक्षम होने पर, मिलते हुए एंटिटी टेक्स्ट को ट्रांसक्रिप्ट टेक्स्ट और शब्द-स्तरीय आउटपुट, दोनों में एक मार्कर से बदल दिया जाता है और रिस्पॉन्स में entities फ़ील्ड नहीं लौटाई जाती।

transcription = elevenlabs.speech_to_text.convert(
    file=audio_file,
    model_id="scribe_v2",
    entity_detection=["pii"],
    entity_redaction=["pii"],
    entity_redaction_mode="enumerated_entity_type",
)
print(transcription.text)
# "Hi {NAME_0}, your card ending in {CREDIT_CARD_0} was declined."

entity_redaction_mode पैरामीटर मार्कर फ़ॉर्मैट नियंत्रित करता है:

एंटिटी रिडैक्शन Scribe v2 Realtime के साथ भी काम करता है: entity_redaction और entity_redaction_mode को ऊपर दिए गए फ़ॉर्मैट में क्वेरी पैरामीटर के रूप में पास करें। हर कमिटेड ट्रांसक्रिप्ट के बाद मूल text और redacted_text वाला एक redacted_transcript इवेंट आता है। रीयलटाइम इवेंट रेफरेंस देखें।

अगले चरण