Fish Audio: Transcribe 1 Pro

Fish Audio: Transcribe 1 Pro ist ein Speech-to-Text-Modell von Fish Audio, einem Anbieter, der für seine Arbeit in der Audio- und Sprachverarbeitung bekannt ist. Es gehört zur Kategorie Transkription und ist als Pro-Tier-Transkriptionsangebot des Unternehmens positioniert. Der Anbieter hat es am 2026-09-24 veröffentlicht, es ist also eine aktuelle Ergänzung der Fish Audio Produktlinie und kein seit Langem etabliertes Legacy-Modell.

Das Modell nimmt Audio als einzige Eingabe und gibt eine Transkription als Ausgabe zurück. Es ist speziell auf Interviews, Meetings und Podcasts abgestimmt, was bedeutet, dass es für langformatige Aufnahmen mit mehreren Sprechern gebaut ist und nicht für kurze Sprachbefehle. Sein Unterscheidungsmerkmal sind Inline-Sprechermarker, sodass das Transkript kennzeichnet, wer spricht, statt einen einzigen undifferenzierten Textblock zu erzeugen. Es bewahrt außerdem Emotionen und Hinweise auf vokale Ereignisse, das heißt nicht-lexikalische Informationen im Audio werden ins Transkript übernommen statt entfernt. Für dieses Modell wird keine Kontextfensterlänge veröffentlicht, planen Sie also mit der Größe des gesendeten Audios statt mit einem angegebenen Token-Budget.

Diese Fähigkeiten deuten auf eine ziemlich spezifische Gruppe von Anwendungsfällen hin. Diarisierte Transkripte sind nützlich für Meeting-Notizen, bei denen die Äußerungen jedes Teilnehmers zugeordnet werden müssen, für Interview-Transkripte, aus denen ein Journalist oder Forscher zitieren wird, und für die Podcast-Produktion, bei der Shownotes, Kapitel oder durchsuchbare Transkripte davon abhängen zu wissen, wer was gesagt hat. Weil Emotionen und Hinweise auf vokale Ereignisse die Transkription überstehen, kann die Ausgabe auch nachgelagerte Aufgaben unterstützen, etwa Sentiment-Analyse von Anrufaufzeichnungen, redaktionelle Prüfung des Interview-Tons oder barrierefreie Untertitel, die mehr als nur nackte Worte vermitteln. Jede Pipeline, die derzeit ein reines Speech-to-Text-Modell mit einem separaten Diarisierungsschritt kombiniert, ist ein Kandidat, da dieses Modell die Sprecherkennzeichnung in die Transkription selbst integriert.

Sie rufen es über die OpenAI-kompatible API von api14 mit der Modell-ID "fish-audio/transcribe-1-pro" auf, sodass bestehende OpenAI SDK-Clients und HTTP-Integrationen mit einer Änderung von Base-URL und Modellnamen funktionieren. Anfragen folgen der standardmäßigen Form für Audio-Transkription: Senden Sie die Audiodatei und lesen Sie das Transkript aus der Antwort. Das Modell bietet darüber hinaus keine zusätzlichen Anfrageparameter, es gibt also nichts, was sich für Temperatur, Prompt-Stil oder Ausgabeformat abstimmen ließe. Behandeln Sie es als feste Konfiguration: Was Sie senden, ist Audio, und was Sie zurückbekommen, ist ein Transkript mit eingebetteten Sprecher- und Emotionsinformationen.

Da der Anbieter keine unterstützten Parameter und keine maximale Ausgabelänge angibt, ist dieses Modell schlecht geeignet, wenn Sie Kontrolle über das Decoding oder ein bestimmtes strukturiertes Ausgabeschema von der API selbst benötigen. Wenn Sie einstellbare Parameter, ein reines Textmodell oder Audioeingabe kombiniert mit Reasoning über den Inhalt wünschen, wird ein anderes Modell auf api14 Ihnen besser dienen. Wählen Sie Transcribe 1 Pro, wenn saubere, sprechermarkierte Transkription von Interviews, Meetings oder Podcasts die gesamte Aufgabe ist.