Hoppa till navigering

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:

{
"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."
}
}

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.

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_v3",
# 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)

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:

InstruktionEffekt
Skriv alla datum i ISO 8601-format (YYYY-MM-DD)den tolfte juli tjugohundratjugosex blir 2026-07-12
Skriv tider i 24-timmarsformathalv tre på eftermiddagen blir 14:30
Skriv ut förkortningar som "ETA" och "ASAP" vid första användningenETA blir beräknad ankomsttid (ETA)
Lägg till känslan i varje mening inom hakparenteser i slutet. Välj bland [positiv, negativ, neutral]Tack, det var verkligen hjälpsamt. blir Tack, det var verkligen hjälpsamt. [positiv]
Maskera varje svordom med dess första bokstav följd av stjärnor, t.ex. s***Det var ett jävla bra samtal. blir Det var ett j*** bra samtal.
Formatera transkriptet som en punktlista, med en mening per punktFormaterar om hela transkriptet

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 än rätta 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:

kindFältBeskrivning
transcripttextDet redigerade transkriptet. Identiskt med ursprungliga text när inga ändringar gjordes.
errorerror_type (edit_failed), messageRedigeringen kunde inte skapas. Transkriberingen lyckades och ursprungliga text returneras fortfarande.

Fältet saknas när ingen transcript_edit har begärts.

Misslyckad redigering
{
"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."
}
}

Att känna till:

  • Det redigerade transkriptet är oformaterad text. Tidsstämplar på ordnivå, talaretiketter och additional_formats fortsätter 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.

Nästa steg