Fish Audio Transcribe 1 API — расшифровка и цена

Контекст: Не указантокенов
Результат: Распознавание речиформат ответа
Стоимость: Тариф уточняетсяусловия — в блоке подключения

ПОДКЛЮЧЕНИЕ

От модели к первому запросу

Используйте идентификатор модели в совместимом API-клиенте. Полные параметры, ключи и ответы с ошибками описаны в документации.

const response = await client.chat.completions.create({
  model: "fish-audio/transcribe-1",
  messages: [{ role: "user", content: "Ваш запрос" }],
});

Открыть инструкцию по подключению →

ПОДРОБНЫЙ ОБЗОР

Возможности модели

Официальный Fish Audio Speech to Text endpoint `/v1/asr` находится в beta. Он принимает аудиофайл и необязательный язык, а возвращает полный текст, длительность и segments со start/end. Параметр timestamps увеличивает задержку для аудио короче 30 секунд. В открытой schema отдельное имя `transcribe-1` не указано, поэтому mapping Tokenmost требует проверки. Для `fish-audio/transcribe-1` подтверждаются форматы файла, размер и длительность, language или autodetect, timestamps, diarization, punctuation, response units, retention, usage и цена. Наличие segments не означает speaker labels или word-level alignment. Редакция сохраняет исходное аудио, raw response и исправленный transcript раздельно. В публикацию попадает проверенная версия, а время после монтажа пересчитывается относительно финального master.

Подготовьте финальную аудиодорожку

Сначала завершите монтаж и только затем запускайте ASR, иначе timestamps укажут на старую версию. Сохраните sample rate, duration и checksum. Музыку в заставке можно отделить, чтобы она не превращалась в выдуманные слова.

Выберите язык осознанно

Для одноязычного выпуска передайте подтверждённый language code; autodetect проверьте на коротком образце. При code switching отметьте сложные участки редактору. Не разбивайте текст по языкам так, чтобы исчезал контекст фразы.

Работайте с сегментами

Свяжите каждый segment с кнопкой перехода и храните start/end как числа. Если нужна точность слова, проверьте отдельную возможность route. После ручного объединения абзацев исходные временные границы остаются доступны для аудита.

Вычитайте публикационный transcript

Проверьте имена гостей, бренды, числа, ссылки и отрицания. Добавьте абзацы и знаки препинания без изменения смысла. Неразборчивую реплику пометьте временем, а не дописывайте правдоподобную догадку.

Считайте цену готового материала

В бюджет входят длительность записи, повторы, timestamps, хранение и редактор. Сравнивайте стоимость часа опубликованного transcript и число критических исправлений. Тарифицируемую единицу Tokenmost подтвердите одним коротким файлом.

Вопросы и ответы

Возвращает ли API timestamps?

Fish Audio ASR возвращает сегменты start/end, если временные метки не отключены.

Есть автоматическое определение языка?

SDK описывает autodetect при отсутствии language, но маршрут Tokenmost нужно проверить.

Разделяет ли модель говорящих?

Speaker diarization не следует предполагать: segments сами по себе содержат только текст и время.

Почему endpoint называется beta?

Так его помечает официальная документация Fish Audio на дату проверки.

Как считается цена расшифровки?

По обработанному аудио или другой подтверждённой usage-единице плюс редактура.