ElevenLabs: Scribe v2

ElevenLabs: Scribe v2 è un modello speech-to-text di ElevenLabs, un provider noto per il suo lavoro nell'audio e nella voce. Rientra nella categoria della trascrizione, quindi il suo compito è convertire l'audio parlato in testo scritto anziché generare risposte conversazionali. Se la tua pipeline necessita di un passaggio di trascrizione dedicato, questo è il tipo di modello da valutare singolarmente anziché come modello di chat generico.

Il modello accetta audio come input e restituisce una trascrizione come output. Secondo il provider, gestisce lo speech-to-text in più di 90 lingue. Produce timestamp a livello di parola, che ti permettono di allineare ogni parola della trascrizione a un punto dell'audio. La diarizzazione dei parlanti è disponibile come opzione, così puoi distinguere chi ha detto cosa in una registrazione con più parlanti. È supportata anche l'etichettatura degli eventi audio, il che significa che i suoni non vocali nell'audio possono essere contrassegnati nell'output. Non è indicata alcuna lunghezza di contesto per questo modello, quindi trattalo come un endpoint di trascrizione anziché come qualcosa in cui inserire lunghi prompt testuali.

Queste capacità indicano un insieme abbastanza specifico di casi d'uso. I timestamp a livello di parola sono utili quando hai bisogno di sottotitoli o didascalie sincronizzati con l'audio, o quando vuoi saltare al momento esatto in cui è stata pronunciata una frase. La diarizzazione dei parlanti si adatta a registrazioni di riunioni, interviste e registrazioni di chiamate in cui devi attribuire ogni riga a un partecipante. L'etichettatura degli eventi audio aiuta quando la trascrizione dovrebbe annotare più del parlato, ad esempio contrassegnando un suono che si verifica durante la registrazione. La copertura di oltre 90 lingue lo rende un candidato per archivi multilingue o prodotti che servono utenti in diverse regioni.

Chiami il modello tramite l'API compatibile con OpenAI di api14 usando l'id del modello "elevenlabs/scribe-v2". Poiché l'interfaccia segue il formato OpenAI, puoi indirizzare un client OpenAI esistente verso api14 e inviare la tua richiesta audio con quell'id. Il modello non elenca parametri di richiesta supportati, quindi qui non sono documentate opzioni di tuning aggiuntive oltre a quelle accettate dall'endpoint stesso. I dettagli elencano anche un output massimo di 0, cosa che vale la pena verificare rispetto alle lunghezze di trascrizione previste prima di impegnarti.

Data la lista vuota di parametri e l'assenza di una lunghezza di contesto dichiarata, questo modello è meglio trattarlo come un servizio di trascrizione mirato anziché come un modello testuale configurabile. Se hai bisogno di un modello che accetta prompt testuali e genera testo, o di uno in cui puoi regolare il campionamento e impostazioni simili, un modello diverso su api14 sarà più adatto. Per audio in ingresso e trascrizione in uscita, Scribe v2 è l'opzione diretta.