关键术语提示 | ElevenLabs Documentation

操作指南 · 假设你已完成语音转文本快速入门。

概览

Scribe v2、Scribe v2 Medical（批量）和 Scribe v2 Realtime 支持关键术语提示，且需额外付费。详细定价信息请参阅 API 定价页面。

关键术语提示可让你突出显示词语或短语，使模型更倾向于转录它们。这适用于转录音频中不常见的特定词语或句子，例如产品名称、人名或其他特定术语。关键术语比其他模型提供的偏置关键词或自定义词汇更强大，因为模型会根据上下文决定是否转录该术语。

	批量（Scribe v2 / Scribe v2 Medical）	实时（Scribe v2 Realtime）
最大关键术语数	1000	50
每个关键术语最大字符数	50	20

在批量转录中，每个关键术语最多还可包含 5 个词。

例如，如果公司名称不是常见短语，或拼写、发音独特，可使用关键术语确保模型正确转录。以下是一段音频：

不使用关键术语提示时，模型可能会将上述内容转录为：

I work at eleven labs.

其中公司名称使用了错误的写法。使用关键术语提示后，可确保模型按正确的拼写和格式转录上述内容：

I work at ElevenLabs.

上下文

模型能够利用上下文确定是否应转录某个术语。提供关键术语 “ElevenLabs” 后，上述音频会如预期转录；同时，模型仍能根据上下文正确转录以下内容：

输出以下转录文本：

I've worked at many labs. In fact I've worked at eleven labs.

批量转录

通过向 convert 方法传递 keyterms 参数，可将关键术语提示集成到批量语音转文本 API 中。

import os
from dotenv import load_dotenv
from io import BytesIO
import requests
from elevenlabs.client import ElevenLabs
load_dotenv()
elevenlabs = ElevenLabs(
    api_key=os.getenv("ELEVENLABS_API_KEY"),
)
audio_url = (
    "https://storage.googleapis.com/eleven-public-cdn/documentation_assets/audio/stt-keyterm-prompting.mp3"
)
response = requests.get(audio_url)
audio_data = BytesIO(response.content)
transcription = elevenlabs.speech_to_text.convert(
    file=audio_data,
    model_id="scribe_v2", # Model to use
    # Keyterms to prompt the model with.
    # Up to 1000 keyterms can be provided, with a maximum length of 50 characters each
    keyterms=["ElevenLabs"],
)
print(transcription)

实时流式传输

实时语音转文本 WebSocket API 也支持关键术语提示。连接时传入 keyterms 参数。

connection = await elevenlabs.speech_to_text.realtime.connect(RealtimeUrlOptions(
    model_id="scribe_v2_realtime",
    keyterms=["ElevenLabs"],
))

直接使用 WebSocket API 时，请将关键术语作为查询参数传递：

wss://api.elevenlabs.io/v1/speech-to-text/realtime?model_id=scribe_v2_realtime&keyterms=ElevenLabs&keyterms=AnotherTerm

后续步骤

API 参考文档

完整的语音转文本 API 参考文档和参数说明。

实体检测

自动检测并标记转录文本中的姓名、日期和地点等实体。