Hoppa till navigering

Referens för realtidshändelser

Referens för händelser som tas emot från Realtime Speech to Text API

Referens · Listar alla händelser som skickas till och tas emot från Realtime Speech to Text WebSocket API.

Läs API-referensen för Realtime Speech to Text API för mer information om API:et och dess alternativ.

committed_transcript är den stabila, slutgiltiga händelsen för varje segment. Det publika API:et skickar ingen separat final_transcript-händelse.

Skickade händelser

HändelseBeskrivningNär den används
input_audio_chunkSkicka ljuddata för transkriberingKontinuerligt medan ljud strömmas

Med Scribe v3 Live kan en sessions första input_audio_chunk även innehålla ett nyckeltermsbibliotek.

Mottagna händelser

HändelseBeskrivningNär den tas emot
session_startedBekräftar anslutningen och returnerar sessionskonfigurationenOmedelbart efter att WebSocket-anslutningen har upprättats
partial_transcriptLiveuppdatering av transkriptionen för det pågående segmentet. Senare delar ersätter tidigare. Med diarize=true inkluderas preliminära words med speaker_id (null tills talaren har identifierats); talar-ID:n och tidsstämplar kan ändras, och ojusterade ord saknar tidsstämplar. Skickas även som en keepalive — tom text om segmentet inte har någon obekräftad text, eller en upprepning av den senaste delen om det har detUnder ljudbearbetning, innan en bekräftelse görs. Skickas även som keepalive ungefär en gång per keepalive_interval_ms när det har konfigurerats
committed_transcriptFastställd transkription för ett segment. Detta är den stabila, slutgiltiga texten för segmentet och den kommer inte att ändras. Med diarize=true inkluderas ett nollbaserat segment_index och den fördröjs inte av talardiariseringEfter en bekräftelse (manuell eller utlöst av VAD)
diarized_transcriptTranskription med talaretiketter, med text, words och ett segment_index som motsvarar den bekräftade transkriptionen. Oidentifierade talare har speaker_id: null. Se talardiariseringEfter varje bekräftad transkription, i bekräftelseordning, även om talare inte kan identifieras. Tas endast emot när diarize=true
speakers_mergedAnger att from_speaker_id och to_speaker_id avser samma person. Ersätt varje tidigare användning av from_speaker_id i partiella och diariserade transkriptioner med to_speaker_id; tillämpa kedjesammanslagningar i mottagningsordning. ID:n återanvänds aldrigNär två talar-ID:n identifieras som samma person. Tas endast emot när diarize=true
committed_transcript_with_timestampsBekräftad transkription med tidsstämplar på ordnivå och den identifierade language_codeSkickas efter den bekräftade transkriptionen. Tas endast emot när include_timestamps=true eller include_language_detection=true ingår i frågeparametrarna
committed_transcript_entitiesEntiteter som identifierats i det bekräftade transkriptionssegmentet, med teckenförskjutningarSkickas kort efter varje bekräftad transkription. Tas endast emot när entity_detection ingår i frågeparametrarna
redacted_transcriptBekräftat transkriptionssegment där maskerade entiteter har ersatts med markörer, tillsammans med den ursprungliga bekräftade textenSkickas kort efter varje bekräftad transkription. Tas endast emot när entity_redaction ingår i frågeparametrarna
edited_transcriptRedigerad version av det bekräftade transkriptionssegmentet, tillsammans med den ursprungliga bekräftade textenSkickas kort efter varje bekräftad transkription. Tas endast emot när transcript_edit ingår i frågeparametrarna

Språkkod

Ange include_language_detection=true i frågeparametrarna för att få språket i talet på händelserna partial_transcript och committed_transcript_with_timestamps som language_code.

  • För partial_transcript finns language_code alltid och är null tills det pågående segmentet innehåller tillräckligt med tal för att avgöra språket (ungefär fyra ord, eller åtta tecken för språk som skrivs utan mellanslag, som kinesiska, japanska och thailändska) och samma språk har setts i efterföljande delar. Mycket korta segment, till exempel ett enda ord, kan förbli null, och en del som är för kort för att avgöra språket återställer räknaren för efterföljande delar. När värdet har angetts ändras det bara efter att det nya språket har setts i efterföljande delar, så en enstaka avvikande del ändrar det inte.
  • Delar utan talad text, till exempel enbart skiljetecken, har language_code: null.
  • language_code på committed_transcript_with_timestamps är det slutgiltiga svaret för segmentet. Om det skiljer sig från den senaste delen använder du det bekräftade värdet. Det skickas efter committed_transcript, så visa delens värde tills det kommer.
  • Om du skickar en language_code eller secondary_languages när du ansluter kommer språket från modellens igenkänning inom dessa språk. Utan en ledtråd identifieras det från transkriptionstexten.
  • Utan include_language_detection=true har partial_transcript-händelser inget fält för language_code.

Felhantering

Om ett fel uppstår returneras ett felmeddelande innan WebSocket-anslutningen stängs.

FeltypBeskrivning
auth_errorEtt fel uppstod när begäran autentiserades. Kontrollera din API-nyckel
quota_exceededDu har överskridit din användningskvot
transcriber_errorEtt fel uppstod när ljudet transkriberades.
input_errorEtt fel uppstod när ljudsegmentet bearbetades. Beror troligen på ogiltigt inmatningsformat eller ogiltiga parametrar
invalid_requestAnslutningsparametrarna avvisades. Kontrollera frågeparametrarna mot API-referensen
errorEtt allmänt serverfel. Skickas även när maskering av entiteter misslyckas, innan anslutningen stängs
commit_throttledBekräftelsen begränsades på grund av för många bekräftelsebegäranden under en kort tidsperiod
unaccepted_termsDu har inte godkänt användarvillkoren för att använda Scribe. Läs och godkänn villkoren i ElevenLabs kontrollpanel
rate_limitedDu är hastighetsbegränsad. Minska antalet begäranden under en kort tidsperiod
queue_overflowBearbetningskön är full. Skicka färre begäranden under en kort tidsperiod
resource_exhaustedServerresurserna har nått kapacitet. Försök igen senare
session_time_limit_exceededMaximal sessionstid har uppnåtts. Starta en ny session eller uppgradera din prenumeration
chunk_size_exceededLjudsegmentets storlek är för stor. Minska segmentets storlek
insufficient_audio_activityDu har inte skickat tillräckligt med ljudaktivitet för att behålla anslutningen