Opcje liczb i języków

Omówienie

Scribe v3 dodaje dwa opcjonalne parametry do API Speech to Text dla batch:

• numbers_format określa, czy liczby w transkrypcji są zapisywane cyframi (42), czy słownie (forty-two).
• secondary_language_codes zawiera inne języki, które mogą być używane w audio obok language_code. Zwiększa to dokładność w audio, gdzie mówcy przełączają się między językami.

Oba parametry obsługuje tylko scribe_v3. Wysłanie któregokolwiek z nich z innym modelem zwraca błąd invalid_parameters.

Formatowanie liczb

Ustaw numbers_format na digits lub words. Gdy parametr zostanie pominięty, format wybiera model.

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 określa sposób transkrypcji liczb przez model. Aby zmienić sposób zapisu dat, godzin lub jednostek, użyj edycji transkrypcji.

Określanie dodatkowych języków

Ustaw language_code na główny język audio, a secondary_language_codes na inne oczekiwane języki. Oba akceptują kody ISO-639-1 lub ISO-639-3.

secondary_language_codes to lista. Powtórz pole formularza dla każdego języka. Tablica JSON wysłana jako pojedynczy ciąg nie jest akceptowana.

Poniższy przykład transkrybuje angielskie audio, które zawiera też hiszpański i francuski:

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 transkrybuje mowę w języku, w którym jest wypowiadana. Nie tłumaczy między językiem głównym a dodatkowymi językami.

Łączenie z innymi parametrami

Oba parametry można stosować razem i z innymi parametrami batch, takimi jak keyterms, diarize i no_verbatim. Zobacz podpowiadanie kluczowych terminów, aby ukierunkować transkrypcję na konkretne terminy.

Kolejne kroki