Strömning på klientsidan
Den här guiden visar hur du transkriberar ljud i realtid på klientsidan med ElevenLabs.
Instruktionsguide · Förutsätter att du har slutfört Speech to Text- snabbstarten.
Översikt
ElevenLabs Realtime Speech to Text API låter dig transkribera ljudströmmar i realtid med ultralåg latens med modellen Scribe Realtime v2. Oavsett om du bygger röstassistenter, transkriberingstjänster eller andra applikationer som kräver taligenkänning i realtid, levererar detta WebSocket-baserade API partiella transkriptioner medan du talar och bekräftade transkriptioner när talsegment är slutförda.
Scribe v3 Live kan implementeras på klientsidan för att transkribera ljud i realtid, antingen via mikrofonen eller genom att manuellt dela upp ljudet i delar.
Implementeringen på klientsidan skiljer sig från serversidan på några sätt:
- Kräver en engångstoken – en tillfällig token som kan användas för att ansluta till API:et utan att exponera din API-nyckel.
- Ljud från mikrofonen kan skickas direkt till API:et för transkribering, utan att du behöver dela upp ljudet manuellt.
För att strömma ljud från en URL, se guiden Strömning på serversidan.
Snabbstart
Den här guiden förutsätter att du har konfigurerat din API-nyckel. Slutför snabbstarten först om du inte har gjort det.
Skapa en token
För att använda SDK:t på klientsidan behöver du skapa en engångstoken. Det är en tillfällig token som kan användas för att ansluta till API:et utan att exponera din API-nyckel. Detta kan göras via ElevenLabs API på serversidan.
Exponera aldrig din API-nyckel för klienten.
En engångstoken upphör automatiskt att gälla efter 15 minuter.
Starta transkriberingssessionen
Transkribering kan göras antingen via mikrofonen eller genom att manuellt dela upp ditt eget ljud i delar. Ditt eget ljud kan vara en fil eller en ström.
En fullständig lista över parametrar och alternativ som API:et stöder finns i API-referensen.