ElevenLabs Provider

ElevenLabs provider 支持 ElevenLabs 转录 API。

设置

ElevenLabs provider 可在 @ai-sdk/elevenlabs 模块中使用。可通过 npm 安装：

npm install @ai-sdk/elevenlabs

Provider 实例

可从 @ai-sdk/elevenlabs 导入默认 provider 实例 elevenlabs：

import { elevenlabs } from "@ai-sdk/elevenlabs";

如需自定义设置，可从 @ai-sdk/elevenlabs 导入 createElevenLabs，并使用自己的设置创建 provider 实例：

import { createElevenLabs } from "@ai-sdk/elevenlabs";
const elevenlabs = createElevenLabs({
  // custom settings, e.g.
  fetch: customFetch,
});

可以使用以下可选设置自定义 ElevenLabs provider 实例：

• apiKey string

  通过 Authorization 标头发送的 API 密钥。 默认为 ELEVENLABS_API_KEY 环境变量。

• headers Record<string,string>

  请求中包含的自定义标头。

• fetch (input: RequestInfo, init?: RequestInit) => Promise<Response>

  自定义 fetch 实现。 默认为全局 fetch 函数。 可将其用作中间件来拦截请求， 或提供自定义 fetch 实现，例如用于测试。

转录模型

可使用 .transcription() 工厂方法创建调用 ElevenLabs 转录 API 的模型。

第一个参数是模型 ID，例如 scribe_v3。

const model = elevenlabs.transcription("scribe_v3");

还可以使用 providerOptions 参数传递额外的 provider 专属选项。例如，如果预先知道输入语言，提供 ISO-639-1 格式的语言代码（例如 en）有时可提升转录性能。

import { elevenlabs } from "@ai-sdk/elevenlabs";
import { experimental_transcribe as transcribe } from "ai";
const result = await transcribe({
  model: elevenlabs.transcription("scribe_v3"),
  audio: new Uint8Array([1, 2, 3, 4]),
  providerOptions: { elevenlabs: { languageCode: "en" } },
});

可用的 provider 选项如下：

• languageCode string

  与音频文件语言对应的 ISO-639-1 或 ISO-639-3 语言代码。 如果预先知道，有时可提升转录性能。 默认为 null，此时会自动预测语言。

• tagAudioEvents boolean

  是否在转录文本中标记（笑声）、（脚步声）等音频事件。 默认为 true。

• numSpeakers integer

  上传文件中说话人的最大数量。 可帮助预测每个时段的说话人。 最多可预测 32 位说话人。 默认为 null，此时说话人数量设为模型支持的最大值。

• timestampsGranularity enum

  转录文本中时间戳的粒度。 默认为 'word'。 允许值：'none'、'word'、'character'。

• diarize boolean

  是否标注上传文件中当前说话的说话人。 默认为 true。

• fileFormat enum

  输入音频的格式。 默认为 'other'。 允许值：'pcm_s16le_16'、'other'。 对于 'pcm_s16le_16'，输入音频必须是采样率为 16kHz、单声道、小端字节序的 16 位 PCM。 延迟将低于传入已编码波形时的延迟。

后续步骤