Hoppa till navigering
InstruktionsguiderTal till textRealtid

Språkalternativ

Den här guiden visar hur du transkriberar ljud på fler än ett språk med Realtime Speech to Text API.

Guide · Förutsätter att du har slutfört guiden för klientsides- eller serversides- streaming.

Översikt

Som standard identifierar realtids-API:t automatiskt ljudets språk. Du kan ändra detta på tre sätt:

  • Ange language_code till ljudets språk.
  • Lägg till secondary_languages för att begränsa språkidentifieringen till en uppsättning förväntade språk.
  • Med Scribe v3 Live anger du multilang_mode=true för att följa talare som byter språk under sessionen.

Scribe översätter inte. Tal transkriberas på språket det talas på.

Sekundära språk

Skicka language_code med huvudspråket och upprepa secondary_languages en gång för varje ytterligare språk i frågesträngen. Båda accepterar ISO-639-1- eller ISO-639-3-koder.

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 gör språkidentifieringen mer tillförlitlig genom att begränsa den till språken du listar. Om du vill följa talare som växlar mellan språk under sessionen använder du flerspråkigt läge.

Flerspråkigt läge

Flerspråkigt läge är endast tillgängligt med Scribe v3 Live (scribe_v3_live). Andra modeller avvisar multilang_mode=true med felet invalid_request och stänger anslutningen.

Med multilang_mode=true transkriberar Scribe v3 Live varje språk med dess eget skriftsystem och följer språkbyten, även mitt i en mening.

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

Flerspråkigt läge har följande avvägningar:

  • Bakgrundstal som låter som ett annat språk kan transkriberas.
  • Korta fraser har större sannolikhet att transkriberas felaktigt.

De officiella SDK:erna har ännu inte stöd för multilang_mode. För att använda det ansluter du direkt till WebSocket API:t.

Nästa steg

Transkriberingar och commit-strategier

Committa transkriberingar manuellt, vid tystnad eller med turprediktion.

Alternativ för siffror och språk

Formatera siffror och ange sekundära språk för inspelat ljud.