Streaming på serversidan
Den här guiden visar hur du transkriberar ljud i realtid på serversidan med ElevenLabs.
Guide · 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 någon applikation som kräver taligenkänning live, levererar detta WebSocket-baserade API delvisa transkriberingar medan du talar och committade transkriberingar när talsegment är klara.
Scribe v3 Live kan implementeras på serversidan för att transkribera ljud i realtid, antingen via en URL, fil eller din egen ljudström.
Implementeringen på serversidan skiljer sig från klientsidan på några sätt:
- Använder en ElevenLabs API-nyckel i stället för en engångstoken.
- Stöder streaming direkt från en URL utan att du behöver dela upp ljudet manuellt i segment.
För att streama ljud direkt från mikrofonen, se guiden Streaming på klientsidan.
Snabbstart
Den här guiden förutsätter att du har konfigurerat din API-nyckel och SDK. Slutför snabbstarten först om du inte har gjort det.
Konfigurera SDK:t
SDK:t erbjuder två sätt att transkribera ljud i realtid: streaming från en URL eller manuell uppdelning av ljudet i segment från antingen en fil eller din egen ljudström.
En fullständig lista över parametrar och alternativ som API:t stöder finns i API-referensen.
Streama från URL
Manuell uppdelning av ljudsegment
Det här exemplet visar hur du streamar en ljudfil från en URL med det officiella SDK:t.
Verktyget ffmpeg krävs vid streaming från en URL. Besök deras webbplats för installationsinstruktioner.
Skapa en ny fil med namnet example.py eller example.mts, beroende på vilket språk du väljer, och lägg till följande kod: