Redigering av transkript
Den här guiden visar hur du redigerar transkript med instruktioner på naturligt språk via API:et för Speech to Text.
Guide · Förutsätter att du har slutfört kom igång-guiden för Speech to Text .
Översikt
Transkriptredigering är en experimentell funktion och medför en extra kostnad på 30 % utöver baskostnaden för transkribering. Minst 10 sekunders ljud per begäran debiteras. Se API:ets prissida för detaljerad prisinformation.
Med transkriptredigering kan du bifoga en instruktion på naturligt språk till en transkriberingsbegäran. När ljudet har transkriberats tillämpas instruktionen på transkriptet, och den redigerade texten returneras tillsammans med originalet.
Det ersätter ett separat efterbearbetningssteg i din egen pipeline. Vanliga användningsområden är att normalisera hur datum, tider eller enheter skrivs, skriva ut förkortningar, ta bort innehåll du inte behöver, tillämpa en annan stil eller ton eller formatera om transkriptet.
Om du till exempel transkriberar ett röstmeddelande med instruktionen Skriv alla datum i ISO 8601-format (YYYY-MM-DD) returneras båda textversionerna:
Fälten text och words beskriver alltid originaltranskriptet. Den redigerade versionen returneras separat i edited_transcript.
Integrera transkriptredigering
Transkriptredigering integreras i API:et för Speech to Text genom att skicka parametern transcript_edit till metoden convert. Instruktionen kan vara upp till 2 000 tecken lång.
Transkriptredigering fungerar med både synkrona begäranden och webhook-begäranden. För webhookbegäranden ingår edited_transcript i objektet transcription i webhookens payload.
Scribe v3 Live och Scribe v2 Realtime har stöd för samma instruktioner för varje bekräftat transkript. Se guiden för redigering av transkript i realtid.
Skriva instruktioner
Instruktionen tillämpas på hela transkriptet där den är relevant, och varje matchande förekomst redigeras, inte bara den första. En instruktion kan ändra specifika ord eller fraser och lämna allt annat orört, eller skriva om eller kommentera hela texten. En enda instruktion kan kombinera flera ändringar.
Följande exempel visar bredden av instruktioner som stöds:
Vissa justeringar har egna parametrar som är billigare och mer förutsägbara än en
redigeringsinstruktion. Använd keyterm-
prompting för att styra
igenkänningen mot specifika namn och termer, no_verbatim för att ta bort utfyllnadsord och
felsägningar samt
numbers_format
(Scribe v3) för att välja mellan siffror och ord. Använd transkriptredigering för ändringar som
dessa alternativ inte täcker.
Tänk på följande när du skriver instruktioner:
- Var tydlig med önskat resultat.
Skriv alla datum i ISO 8601-format (YYYY-MM-DD)är mer tillförlitligt änrätta datumen. - Instruktionen kan skrivas på vilket språk som helst, men instruktioner på engelska fungerar bäst. Det redigerade transkriptet behåller originalets språk.
- Endast instruktionen utförs. Innehåll som sägs i ljudet behandlas som data och kan inte ändra hur instruktionen tillämpas.
- Om inget i transkriptet påverkas av instruktionen är det redigerade transkriptet identiskt med originalet.
Svarsformat
När transcript_edit har angetts innehåller svaret ett objekt edited_transcript. Fältet kind anger om redigeringen lyckades:
Fältet saknas när ingen transcript_edit har begärts.
Att känna till:
- Det redigerade transkriptet är oformaterad text. Tidsstämplar på ordnivå, talaretiketter och
additional_formatsfortsätter att beskriva originaltranskriptet. - Redigeringen körs efter att transkriberingen är klar, så den lägger till fördröjning som ökar med transkriptets längd.
- Tillägget tillämpas på begärans ljudlängd, med minst 10 sekunder debiterade per begäran.
Transkriptredigering kan inte kombineras med entity_detection, entity_redaction eller
use_multi_channel. Begäranden som kombinerar dem avvisas med ett fel om ogiltiga parametrar.