Fish Audio: Transcribe 1 Pro

Fish Audio : Transcribe 1 Pro est un modèle de reconnaissance vocale de Fish Audio, un fournisseur connu pour son travail dans le traitement audio et vocal. Il appartient à la catégorie transcription et se positionne comme l'offre de transcription de niveau professionnel de l'entreprise. Le fournisseur l'a publié le 2026-09-24, il s'agit donc d'un ajout récent à la gamme Fish Audio plutôt que d'un modèle hérité de longue date.

Le modèle prend l'audio comme seule entrée et renvoie une transcription comme sortie. Il est spécifiquement optimisé pour les entretiens, les réunions et les podcasts, ce qui signifie qu'il est conçu pour des enregistrements longs et multi-intervenants plutôt que pour de courtes commandes vocales. Sa caractéristique distinctive réside dans les marqueurs d'intervenants intégrés, de sorte que la transcription indique qui parle au lieu de produire un bloc de texte indifférencié. Il préserve également les indices d'émotion et d'événements vocaux, ce qui signifie que les informations non lexicales de l'audio sont conservées dans la transcription au lieu d'être supprimées. Aucune longueur de fenêtre de contexte n'est publiée pour ce modèle, il faut donc prévoir en fonction de la taille de l'audio envoyé plutôt que d'un budget de tokens déclaré.

Ces capacités renvoient à un ensemble d'usages assez spécifique. Les transcriptions diarisées sont utiles pour les comptes rendus de réunion où les remarques de chaque participant doivent être attribuées, pour les transcriptions d'entretiens que journaliste ou chercheur citera, et pour la production de podcasts où les notes d'épisode, les chapitres ou les transcriptions consultables dépendent de l'identification de l'orateur. Comme les indices d'émotion et d'événements vocaux survivent à la transcription, la sortie peut aussi alimenter des tâches en aval comme l'analyse de sentiment sur des enregistrements d'appels, la relecture éditoriale du ton d'un entretien, ou des sous-titres d'accessibilité qui transmettent plus que les mots bruts. Tout pipeline qui associe actuellement un modèle de reconnaissance vocale simple à une étape de diarisation séparée est candidat, puisque ce modèle intègre l'étiquetage des intervenants directement dans la transcription.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "fish-audio/transcribe-1-pro", donc les clients SDK OpenAI existants et les intégrations HTTP fonctionnent avec un changement d'URL de base et de nom de modèle. Les requêtes suivent la forme standard de transcription audio : envoyez le fichier audio, et lisez la transcription dans la réponse. Le modèle n'expose aucun paramètre de requête supplémentaire au-delà de cela, il n'y a donc rien à régler pour la température, le style de prompt ou le format de sortie. Traitez-le comme une configuration fixe : ce que vous envoyez est de l'audio, et ce que vous récupérez est une transcription avec les informations d'intervenant et d'émotion intégrées.

Comme le fournisseur ne liste aucun paramètre pris en charge ni longueur de sortie maximale, ce modèle est mal adapté si vous avez besoin de contrôler le décodage ou d'obtenir un schéma de sortie structuré spécifique depuis l'API elle-même. Si vous voulez des paramètres ajustables, un modèle de texte simple, ou une entrée audio combinée à un raisonnement sur le contenu, un autre modèle sur api14 vous servira mieux. Choisissez Transcribe 1 Pro lorsque la transcription propre et étiquetée par intervenant d'entretiens, de réunions ou de podcasts constitue l'intégralité du travail.