Przejdź do nawigacji
PoradnikiMowa na tekstW czasie rzeczywistym

Opcje językowe

Ten przewodnik pokazuje, jak transkrybować audio w więcej niż jednym języku za pomocą API Realtime Speech to Text.

Przewodnik · Zakłada, że masz już za sobą przewodnik o strumieniowaniu po stronie klienta lub po stronie serwera.

Omówienie

Domyślnie API realtime automatycznie wykrywa język audio. Możesz zmienić to zachowanie na trzy sposoby:

  • Ustaw language_code na język audio.
  • Dodaj secondary_languages, aby ograniczyć wykrywanie języka do zbioru oczekiwanych języków.
  • W Scribe v3 Live ustaw multilang_mode=true, aby obsługiwać mówców zmieniających język podczas sesji.

Scribe nie tłumaczy. Mowa jest transkrybowana w języku, w którym została wypowiedziana.

Języki dodatkowe

W ciągu zapytania podaj language_code z głównym językiem i powtórz secondary_languages dla każdego dodatkowego języka. Oba przyjmują kody ISO-639-1 lub ISO-639-3.

wss://api.elevenlabs.io/v1/speech-to-text/realtime?model_id=scribe_v3_live&language_code=en&secondary_languages=es&secondary_languages=fr

secondary_languages zwiększa niezawodność rozpoznawania języka, ograniczając je do wskazanych języków. Aby obsługiwać mówców zmieniających język podczas sesji, użyj trybu wielojęzycznego.

Tryb wielojęzyczny

Tryb wielojęzyczny jest dostępny tylko w Scribe v3 Live (scribe_v3_live). Inne modele odrzucają multilang_mode=true z błędem invalid_request i zamykają połączenie.

Przy multilang_mode=true Scribe v3 Live transkrybuje każdy język w jego własnym piśmie i obsługuje zmiany języka, także w środku zdania.

wss://api.elevenlabs.io/v1/speech-to-text/realtime?model_id=scribe_v3_live&audio_format=pcm_16000&multilang_mode=true

Tryb wielojęzyczny ma następujące kompromisy:

  • Mowa w tle, która brzmi jak inny język, może zostać transkrybowana.
  • Krótkie frazy częściej są transkrybowane niepoprawnie.

Oficjalne SDK nie obsługują jeszcze multilang_mode. Aby go użyć, połącz się z WebSocket API bezpośrednio.

Kolejne kroki

Transkrypcje i strategie zatwierdzania

Zatwierdzaj transkrypcje ręcznie, po ciszy lub z przewidywaniem tury.

Opcje liczb i języków

Formatuj liczby i określ języki dodatkowe dla nagranego audio.