ट्रांसक्रिप्ट एडिटिंग

परिचय

ट्रांसक्रिप्ट एडिटिंग आपको ट्रांसक्रिप्शन अनुरोध के साथ प्राकृतिक भाषा में एक निर्देश जोड़ने देती है। ऑडियो ट्रांसक्राइब होने के बाद, आपका निर्देश ट्रांसक्रिप्ट पर लागू होता है और मूल टेक्स्ट के साथ एडिट किया हुआ टेक्स्ट भी लौटाया जाता है।

इससे आपकी अपनी पाइपलाइन में अलग से पोस्ट-प्रोसेसिंग करने की ज़रूरत नहीं रहती। आम उपयोगों में तारीखों, समय या इकाइयों को लिखने का तरीका एक जैसा करना, संक्षिप्त रूपों को विस्तृत करना, अनावश्यक सामग्री हटाना, अलग स्टाइल या टोन लागू करना या ट्रांसक्रिप्ट को दोबारा फ़ॉर्मैट करना शामिल है।

उदाहरण के लिए, Write all dates in ISO 8601 format (YYYY-MM-DD) निर्देश के साथ किसी वॉइसमेल को ट्रांसक्राइब करने पर टेक्स्ट के दोनों वर्ज़न मिलते हैं:

{
  "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."
  }
}

text और words फ़ील्ड हमेशा मूल ट्रांसक्रिप्ट के बारे में बताते हैं। एडिट किया हुआ वर्ज़न अलग से edited_transcript में लौटाया जाता है।

ट्रांसक्रिप्ट एडिटिंग इंटीग्रेट करना

ट्रांसक्रिप्ट एडिटिंग को स्पीच टू टेक्स्ट API में convert मेथड को transcript_edit पैरामीटर देकर इंटीग्रेट किया जाता है। निर्देश अधिकतम 2000 वर्णों का हो सकता है।

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)

ट्रांसक्रिप्ट एडिटिंग सिंक्रोनस अनुरोधों और वेबहुक अनुरोधों, दोनों के साथ काम करती है। वेबहुक अनुरोधों के लिए, edited_transcript वेबहुक पेलोड के transcription ऑब्जेक्ट में शामिल होता है।

Scribe v2 Realtime हर कमिट किए गए ट्रांसक्रिप्ट पर इन्हीं निर्देशों को सपोर्ट करता है। रीयलटाइम ट्रांसक्रिप्ट एडिटिंग गाइड देखें।

निर्देश लिखना

निर्देश पूरे ट्रांसक्रिप्ट में जहाँ भी प्रासंगिक हो, लागू होता है और हर मेल खाने वाली जगह को एडिट किया जाता है, सिर्फ़ पहली जगह को नहीं। निर्देश से खास शब्दों या वाक्यांशों को बदला जा सकता है और बाकी सब वैसा ही रखा जा सकता है, या पूरे टेक्स्ट को फिर से लिखा या एनोटेट किया जा सकता है। एक ही निर्देश में कई एडिट शामिल हो सकते हैं।

नीचे दिए उदाहरण सपोर्ट किए गए निर्देशों की रेंज दिखाते हैं:

निर्देश लिखते समय इन बातों का ध्यान रखें:

• वांछित आउटपुट स्पष्ट रूप से बताएं। Write all dates in ISO 8601 format (YYYY-MM-DD), fix the dates से ज़्यादा भरोसेमंद है।
• निर्देश किसी भी भाषा में लिखा जा सकता है, हालांकि अंग्रेज़ी में लिखे निर्देश सबसे अच्छे काम करते हैं। एडिट किया हुआ ट्रांसक्रिप्ट मूल भाषा में ही रहता है।
• सिर्फ़ निर्देश पर ही काम किया जाता है। ऑडियो में बोली गई सामग्री को डेटा माना जाता है और वह निर्देश लागू करने के तरीके को नहीं बदल सकती।
• अगर ट्रांसक्रिप्ट में निर्देश से कुछ भी प्रभावित नहीं होता, तो एडिट किया हुआ ट्रांसक्रिप्ट मूल के समान होता है।

रिस्पॉन्स फ़ॉर्मैट

जब transcript_edit सेट होता है, तो रिस्पॉन्स में edited_transcript ऑब्जेक्ट होता है। इसका kind फ़ील्ड बताता है कि एडिट सफल हुआ या नहीं:

अगर transcript_edit का अनुरोध नहीं किया गया था, तो यह फ़ील्ड मौजूद नहीं होता।

{
  "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."
  }
}

ध्यान रखने योग्य बातें:

• एडिट किया हुआ ट्रांसक्रिप्ट सादा टेक्स्ट होता है। शब्द-स्तर के टाइमस्टैंप, स्पीकर लेबल और additional_formats मूल ट्रांसक्रिप्ट का ही वर्णन करते रहते हैं।
• एडिट ट्रांसक्रिप्शन पूरा होने के बाद चलता है, इसलिए इससे लेटेंसी बढ़ती है, जो ट्रांसक्रिप्ट की लंबाई के साथ बढ़ती है।
• अतिरिक्त शुल्क अनुरोध की ऑडियो अवधि पर लागू होता है, और हर अनुरोध के लिए कम से कम 10 सेकंड का बिल लिया जाता है।

अगले चरण