Fish Audio: Transcribe 1 Pro

Fish Audio: Transcribe 1 Pro är en tal-till-text-modell från Fish Audio, en leverantör känd för sitt arbete inom ljud- och talbehandling. Den tillhör kategorin transkribering och positioneras som företagets transkriberingserbjudande på pro-nivå. Leverantören släppte den 2026-09-24, så det är ett nytt tillskott i Fish Audio-serien snarare än en länge etablerad arvmodell.

Modellen tar ljud som enda indata och returnerar en transkription som utdata. Den är specifikt finjusterad för intervjuer, möten och poddar, vilket innebär att den är byggd för långformiga inspelningar med flera talare snarare än korta röstkommandon. Dess utmärkande egenskap är infogade talarmarkörer, så transkriptet märker vem som talar i stället för att producera ett enda odifferentierat textblock. Den bevarar också känslor och vokala händelsemarkeringar, vilket betyder att icke-lexikal information i ljudet förs över till transkriptet i stället för att tas bort. Ingen kontextfönsterlängd publiceras för denna modell, så planera utifrån storleken på ljudet du skickar snarare än en angiven tokenbudget.

Dessa funktioner pekar mot en ganska specifik uppsättning användningsområden. Diariserade transkript är användbara för mötesanteckningar där varje deltagares yttranden behöver tillskrivas rätt person, för intervjutranskript som en journalist eller forskare kommer att citera från, och för poddproduktion där avsnittsanteckningar, kapitel eller sökbara transkript beror på att veta vem som sagt vad. Eftersom känslor och vokala händelsemarkeringar överlever transkriberingen kan utdata också stödja nedströmsuppgifter som sentimentanalys av samtalsinspelningar, redaktionell granskning av intervjuton eller tillgänglighetsundertexter som förmedlar mer än bara ord. Alla pipelines som för närvarande kombinerar en vanlig tal-till-text-modell med ett separat diariseringssteg är kandidater, eftersom denna modell införlivar talarmärkning i själva transkriberingen.

Du anropar den via api14:s OpenAI-kompatibla API med modell-id:t "fish-audio/transcribe-1-pro", så befintliga OpenAI SDK-klienter och HTTP-integrationer fungerar med en ändring av bas-URL och modellnamn. Förfrågningar följer standardformen för ljudtranskribering: skicka ljudfilen och läs transkriptet från svaret. Modellen exponerar inga ytterligare förfrågningsparametrar utöver det, så det finns inget att justera för temperatur, promptstil eller utdataformat. Behandla den som en fast konfiguration: det du skickar är ljud, och det du får tillbaka är ett transkript med talar- och känslomässig information inbäddad.

Eftersom leverantören inte listar några parametrar som stöds och ingen maximal utdatalängd, är denna modell en dålig matchning om du behöver kontroll över avkodning eller ett specifikt strukturerat utdataschema från själva API:et. Om du vill ha justerbara parametrar, en vanlig textmodell eller ljudindata kombinerat med resonemang över innehållet, kommer en annan modell på api14 att tjäna dig bättre. Välj Transcribe 1 Pro när ren, talarmärkt transkribering av intervjuer, möten eller poddar är hela uppgiften.