数字と言語のオプション

概要

Scribe v3では、バッチのスピーチtoテキストAPIに2つのオプションパラメータが追加されています。

• numbers_format は、文字起こし内の数字を数値（42）と単語（forty-two）のどちらで表記するかを設定します。
• secondary_language_codes には、language_code と併せてオーディオ内で話される可能性があるほかの言語を指定します。話者が複数の言語を切り替えるオーディオで精度が向上します。

どちらのパラメータも scribe_v3 でのみ利用できます。別のモデルでいずれかを送信すると、invalid_parameters エラーが返されます。

数字の表記

numbers_format を digits または words に設定します。パラメータを省略すると、モデルが表記を選択します。

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 は、モデルが数字を文字起こしする形式を制御します。日付、時刻、単位の表記を変更する場合は、文字起こしの編集を使用してください。

第二言語を指定する

オーディオの主要言語を language_code に、想定されるその他の言語を secondary_language_codes に設定します。どちらもISO-639-1またはISO-639-3コードを使用できます。

secondary_language_codes はリストです。言語ごとにフォームフィールドを1回ずつ指定してください。単一の文字列として送信されたJSON配列は受け付けられません。

次の例では、スペイン語とフランス語も含まれる英語のオーディオを文字起こしします。

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は、音声が話されている言語のまま文字起こしします。主要言語と第二言語の間で翻訳は行いません。

ほかのパラメータとの組み合わせ

どちらのパラメータも同時に使用でき、keyterms、diarize、no_verbatim など、ほかのバッチパラメータとも併用できます。特定の語を優先的に文字起こしする方法については、キータームプロンプティングをご覧ください。

次のステップ