Fish Audio: Transcribe 1 Pro

Fish Audio: Transcribe 1 Pro adalah model speech-to-text dari Fish Audio, penyedia yang dikenal karena karyanya di bidang pemrosesan audio dan suara. Model ini berada dalam kategori transkripsi dan diposisikan sebagai penawaran transkripsi tingkat pro dari perusahaan tersebut. Penyedia merilisnya pada 2026-09-24, jadi ini adalah tambahan terbaru untuk lini Fish Audio, bukan model lama yang sudah lama ada.

Model ini hanya menerima audio sebagai input dan mengembalikan transkripsi sebagai output. Model ini disetel khusus untuk wawancara, rapat, dan podcast, yang berarti model ini dibangun untuk rekaman panjang dengan banyak pembicara, bukan perintah suara pendek. Fitur pembedanya adalah penanda pembicara inline, sehingga transkrip memberi label siapa yang berbicara, bukan menghasilkan satu blok teks tanpa pembedaan. Model ini juga mempertahankan emosi dan isyarat peristiwa vokal, artinya informasi non-leksikal dalam audio dibawa ke dalam transkrip, bukan dihilangkan. Tidak ada panjang context window yang dipublikasikan untuk model ini, jadi rencanakan berdasarkan ukuran audio yang Anda kirim, bukan berdasarkan anggaran token yang dinyatakan.

Kemampuan tersebut mengarah pada serangkaian penggunaan yang cukup spesifik. Transkrip terdiarisasi berguna untuk catatan rapat di mana pernyataan setiap peserta perlu diatribusikan, untuk transkrip wawancara yang akan dikutip oleh jurnalis atau peneliti, dan untuk produksi podcast di mana catatan acara, bab, atau transkrip yang dapat dicari bergantung pada mengetahui siapa mengatakan apa. Karena isyarat emosi dan peristiwa vokal bertahan dalam transkripsi, outputnya juga dapat mendukung tugas hilir seperti analisis sentimen pada rekaman panggilan, tinjauan editorial atas nada wawancara, atau takarir aksesibilitas yang menyampaikan lebih dari sekadar kata-kata. Pipeline apa pun yang saat ini memasangkan model speech-to-text biasa dengan langkah diarisasi terpisah adalah kandidat, karena model ini menggabungkan pelabelan pembicara ke dalam transkripsi itu sendiri.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "fish-audio/transcribe-1-pro", sehingga klien OpenAI SDK dan integrasi HTTP yang ada dapat bekerja dengan mengubah base URL dan nama model. Permintaan mengikuti bentuk transkripsi audio standar: kirim file audio, dan baca transkrip dari respons. Model ini tidak mengekspos parameter permintaan tambahan selain itu, jadi tidak ada yang perlu disetel untuk temperature, gaya prompt, atau format output. Perlakukan ini sebagai konfigurasi tetap: yang Anda kirim adalah audio, dan yang Anda dapatkan kembali adalah transkrip dengan informasi pembicara dan emosi yang tertanam.

Karena penyedia tidak mencantumkan parameter yang didukung dan tidak ada panjang output maksimum, model ini kurang cocok jika Anda memerlukan kontrol atas decoding atau skema output terstruktur tertentu dari API itu sendiri. Jika Anda menginginkan parameter yang dapat disesuaikan, model teks biasa, atau input audio yang dikombinasikan dengan penalaran atas konten, model lain di api14 akan melayani Anda dengan lebih baik. Pilih Transcribe 1 Pro ketika transkripsi bersih berlabel pembicara untuk wawancara, rapat, atau podcast adalah keseluruhan tugasnya.