नंबर और भाषा विकल्प

ओवरव्यू

Scribe v3 बैच स्पीच टू टेक्स्ट API में दो वैकल्पिक पैरामीटर जोड़ता है:

• numbers_format तय करता है कि ट्रांसक्रिप्ट में नंबर अंकों (42) में लिखे जाएं या शब्दों (forty-two) में।
• secondary_language_codes उन अन्य भाषाओं की सूची देता है जो ऑडियो में language_code के साथ बोली जा सकती हैं। इससे उन ऑडियो में सटीकता बेहतर होती है, जहां स्पीकर भाषाओं के बीच बदलते हैं।

दोनों पैरामीटर केवल scribe_v3 द्वारा समर्थित हैं। इनमें से किसी को दूसरे मॉडल के साथ भेजने पर invalid_parameters एरर मिलता है।

नंबर फ़ॉर्मैट करें

numbers_format को digits या words पर सेट करें। पैरामीटर छोड़ देने पर मॉडल फ़ॉर्मैट चुनता है।

import os
from io import BytesIO
import requests
from dotenv import load_dotenv
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/audio/marketing/nicole.mp3"
audio_data = BytesIO(requests.get(audio_url).content)
transcription = elevenlabs.speech_to_text.convert(
    file=audio_data,
    model_id="scribe_v3",
    request_options={
        "additional_body_parameters": {
            "numbers_format": "digits",
        },
    },
)
print(transcription.text)

numbers_format नियंत्रित करता है कि मॉडल नंबरों को कैसे ट्रांसक्राइब करता है। तारीखों, समय या इकाइयों को लिखने के तरीके में अन्य बदलावों के लिए ट्रांसक्रिप्ट एडिटिंग इस्तेमाल करें।

द्वितीयक भाषाएं घोषित करें

language_code को ऑडियो की मुख्य भाषा पर और secondary_language_codes को उन अन्य भाषाओं पर सेट करें जिनकी आपको उम्मीद है। दोनों ISO-639-1 या ISO-639-3 कोड स्वीकार करते हैं।

secondary_language_codes एक सूची है। हर भाषा के लिए फ़ॉर्म फ़ील्ड को एक बार दोहराएं। एकल स्ट्रिंग के रूप में भेजा गया JSON ऐरे स्वीकार नहीं किया जाता।

निम्न उदाहरण ऐसे अंग्रेज़ी ऑडियो को ट्रांसक्राइब करता है जिसमें स्पैनिश और फ़्रेंच भी शामिल हैं:

transcription = elevenlabs.speech_to_text.convert(
    file=audio_data,
    model_id="scribe_v3",
    language_code="en",
    request_options={
        "additional_body_parameters": {
            "secondary_language_codes": ["es", "fr"],
        },
    },
)

Scribe v3 बोली जाने वाली भाषा में भाषण को ट्रांसक्राइब करता है। यह मुख्य और द्वितीयक भाषाओं के बीच अनुवाद नहीं करता।

दूसरे पैरामीटर के साथ संयोजन

दोनों पैरामीटर का उपयोग एक साथ और अन्य बैच पैरामीटर, जैसे keyterms, diarize और no_verbatim, के साथ किया जा सकता है। ट्रांसक्रिप्शन को विशिष्ट शब्दों की ओर झुकाने के लिए कीटर्म प्रॉम्प्टिंग देखें।

अगले चरण