ElevenLabs: Scribe v2

ElevenLabs : Scribe v2 est un modèle de reconnaissance vocale d'ElevenLabs, un fournisseur connu pour son travail dans l'audio et la voix. Il appartient à la catégorie transcription, donc son rôle est de convertir de l'audio parlé en texte écrit plutôt que de générer des réponses conversationnelles. Si votre pipeline nécessite une étape de transcription dédiée, c'est le genre de modèle que vous évalueriez pour lui-même plutôt que comme un modèle de chat polyvalent.

Le modèle accepte de l'audio en entrée et renvoie une transcription en sortie. Selon le fournisseur, il gère la reconnaissance vocale dans plus de 90 langues. Il produit des horodatages au niveau des mots, ce qui vous permet d'aligner chaque mot de la transcription sur un point de l'audio. La diarisation des locuteurs est disponible en option, ce qui vous permet de distinguer qui a dit quoi dans un enregistrement comportant plusieurs locuteurs. Le marquage des événements audio est également pris en charge, ce qui signifie que les sons non vocaux présents dans l'audio peuvent être signalés dans la sortie. Aucune longueur de contexte n'est indiquée pour ce modèle, donc considérez-le comme un point de terminaison de transcription plutôt que comme quelque chose dans lequel vous injectez de longs prompts textuels.

Ces capacités renvoient à un ensemble de cas d'usage assez spécifique. Les horodatages au niveau des mots sont utiles lorsque vous avez besoin de sous-titres ou de légendes synchronisés avec l'audio, ou lorsque vous voulez accéder au moment exact où une phrase a été prononcée. La diarisation des locuteurs convient aux enregistrements de réunions, aux entretiens et aux enregistrements d'appels où vous devez attribuer chaque réplique à un participant. Le marquage des événements audio est utile lorsque la transcription doit signaler plus que de la parole, par exemple en marquant un son qui se produit pendant l'enregistrement. La couverture de plus de 90 langues en fait un candidat pour les archives multilingues ou les produits qui servent des utilisateurs dans différentes régions.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "elevenlabs/scribe-v2". Comme l'interface suit le format OpenAI, vous pouvez pointer un client OpenAI existant vers api14 et envoyer votre requête audio avec cet identifiant. Le modèle ne liste aucun paramètre de requête pris en charge, donc aucune option de réglage supplémentaire n'est documentée ici au-delà de ce que le point de terminaison lui-même accepte. Les détails indiquent également une sortie maximale de 0, ce qu'il vaut la peine de vérifier par rapport aux longueurs de transcription attendues avant de vous engager.

Étant donné la liste de paramètres vide et l'absence de longueur de contexte indiquée, ce modèle est mieux traité comme un service de transcription ciblé plutôt que comme un modèle textuel configurable. Si vous avez besoin d'un modèle qui prend des prompts textuels et génère du texte, ou d'un modèle où vous pouvez ajuster l'échantillonnage et des réglages similaires, un autre modèle sur api14 conviendra mieux. Pour de l'audio en entrée et une transcription en sortie, Scribe v2 est l'option directe.