Freigeben über

AssemblyAI (Vorschau)

Transkribieren und Extrahieren von Daten aus Audio mithilfe der Speech AI von AssemblyAI.

Dieser Connector ist in den folgenden Produkten und Regionen verfügbar:

Dienstleistung Class Regions
Copilot Studio Premium Alle Power Automate-Regionen mit Ausnahme der folgenden Bereiche:
     - US Government (GCC)
     - US Government (GCC High)
     - China Cloud betrieben von 21Vianet
     - US Department of Defense (DoD)
Logik-Apps Norm Alle Logik-Apps-Regionen mit Ausnahme der folgenden Bereiche:
     – Azure Government-Regionen
     - Azure China-Regionen
     - US Department of Defense (DoD)
Power Apps Premium Alle Power Apps-Regionen mit Ausnahme der folgenden:
     - US Government (GCC)
     - US Government (GCC High)
     - China Cloud betrieben von 21Vianet
     - US Department of Defense (DoD)
Power Automate Premium Alle Power Automate-Regionen mit Ausnahme der folgenden Bereiche:
     - US Government (GCC)
     - US Government (GCC High)
     - China Cloud betrieben von 21Vianet
     - US Department of Defense (DoD)
Kontakt
Name Support
URL https://www.assemblyai.com/docs/
Email support@assemblyai.com
Connectormetadaten
Herausgeber AssemblyAI
Webseite https://www.assemblyai.com
Datenschutzrichtlinie https://www.assemblyai.com/legal/privacy-policy
Kategorien Künstliche Intelligenz

Mit dem AssemblyAI Connector können Sie die Modelle von AssemblyAI verwenden, um Audiodaten zu verarbeiten, indem Sie sie mit Spracherkennungsmodellen transkribieren, mit Audiointelligenzmodellen analysieren und generative Features mit LLMs erstellen.

  • Sprach-zu-Text , einschließlich vieler konfigurierbarer Features, z. B. Sprecherdiarisierung, benutzerdefinierte Schreibweise, benutzerdefiniertes Vokabular usw.
  • AudioIntelligenzmodelle sind zusätzliche KI-Modelle verfügbar und über die Transkriptionskonfiguration konfiguriert.
  • Mit LeMUR können Sie verschiedene LLM-Modelle auf Ihre Transkripte anwenden, ohne ihre eigene RAG-Infrastruktur für sehr große Transkripte erstellen zu müssen.

Voraussetzungen

Sie benötigen Folgendes, um fortzufahren:

So erhalten Sie Anmeldeinformationen

Sie können kostenlos einen AssemblyAI-API-Schlüssel abrufen, indem Sie sich für ein Konto registrieren und den API-Schlüssel aus dem Dashboard kopieren.

Erste Schritte mit Ihrem Connector

Führen Sie die folgenden Schritte aus, um Audio mithilfe des AssemblyAI-Connectors zu transkribieren.

Hochladen einer Datei

Um eine Audiodatei mit AssemblyAI zu transkribieren, muss die Datei für AssemblyAI zugänglich sein. Wenn auf Ihre Audiodatei bereits über eine URL zugegriffen werden kann, können Sie Ihre vorhandene URL verwenden.

Andernfalls können Sie die Upload a File Aktion verwenden, um eine Datei in AssemblyAI hochzuladen. Sie erhalten eine URL für Ihre Datei, die nur zum Transkribieren mit Ihrem API-Schlüssel verwendet werden kann. Nachdem Sie die Datei transkribiert haben, wird die Datei von den Servern von AssemblyAI entfernt.

Audio transkribieren

Um Ihr Audio zu transkribieren, konfigurieren Sie den Audio URL Parameter mithilfe ihrer Audiodatei-URL. Konfigurieren Sie dann die zusätzlichen Parameter, um weitere Spracherkennungsfeatures und Audiointelligenzmodelle zu ermöglichen.

Das Ergebnis der Transcribe Audio-Aktion ist ein Transkript in der Warteschlange, das sofort verarbeitet wird. Um die vollständige Transkription zu erhalten, haben Sie zwei Optionen:

  1. Handle the Transcript Ready Webhook
  2. Abrufen des Transkriptstatus

Handle the Transcript Ready Webhook

Wenn Sie den Webhook nicht mit Logic Apps oder Power Automate behandeln möchten, konfigurieren Sie den Webhook URL Parameter in Ihrer Transcribe Audio Aktion, und implementieren Sie den Webhook nach der Webhook-Dokumentation von AssemblyAI.

Führen Sie die folgenden Schritte aus, um den Webhook mithilfe von Logik-Apps oder Power Automate zu verarbeiten:

  1. Erstellen einer separaten Logik-App oder eines Power Automate-Flusses

  2. Konfigurieren When an HTTP request is received als Trigger:

    • Legen Sie Who Can Trigger The Flow? auf Anyone fest.
    • Legen Sie folgendes Request Body JSON Schema fest: 
      {
  "type": "object",
  "properties": {
    "transcript_id": {
      "type": "string"
    },
    "status": {
      "type": "string"
    }
  }
}
    • Legen Sie Method auf POST fest.

  3. Fügen Sie eine AssemblyAI-Aktion Get Transcript hinzu, und übergeben Sie den transcript_id Auslöser an den Transcript ID Parameter.

  4. Bevor Sie etwas anderes tun, sollten Sie überprüfen, ob dies Status oder completederror. Fügen Sie eine Condition Aktion hinzu, die überprüft, ob die Status Ausgabe errorlautetGet Transcript:

    • Fügen Sie in der True Verzweigung eine Terminate Aktion hinzu.
      • Legen Sie die Status Einstellung auf Failed
      • Legen Sie die Code Einstellung auf Transcript Error
      • Übergeben Sie die Get Transcript Ausgabe Error an den Message Parameter.
    • Sie können die False Verzweigung leer lassen.

    Jetzt können Sie eine beliebige Aktion hinzufügen, nachdem sie den Condition Transkriptstatus completedkennen, und Sie können alle Ausgabeeigenschaften der Get Transcript Aktion abrufen.

  5. Speichern Sie Ihre Logik-App oder Ihren Flow. Dies HTTP URL wird für den When an HTTP request is received Trigger generiert. Kopieren Sie die Logik-App oder den HTTP URL ursprünglichen Fluss, und wechseln Sie zurück.

  6. Aktualisieren Sie die Transcribe Audio Aktion in Ihrer ursprünglichen Logic App oder Flow. Fügen Sie die HTTP URL zuvor kopierten Elemente in den Webhook URL Parameter ein, und speichern Sie sie.

Wenn der Transkriptstatus erfolgt completed oder error, sendet AssemblyAI eine HTTP POST-Anforderung an die Webhook-URL, die von Ihrer anderen Logik-App oder Ihrem Flow behandelt wird.

Alternativ zur Verwendung des Webhooks können Sie den Transkriptstatus abrufen, wie im nächsten Abschnitt erläutert.

Abrufen des Transkriptstatus

Sie können den Transkriptstatus mithilfe der folgenden Schritte abfragen:

  • Hinzufügen einer Initialize variable Aktion

    • Legen Sie Name auf transcript_status fest.
    • Legen Sie Type auf String fest.
    • Speichern sie aus Status der Transcribe Audio Ausgabe im Value Parameter.

  • Hinzufügen einer Do until Aktion

    • Konfigurieren Sie den Loop Until Parameter mit dem folgenden Fx-Code: 
      or(equals(variables('transcript_status'), 'completed'), equals(variables('transcript_status'), 'error'))
      Dieser Code überprüft, ob die transcript_status Variable ist completed oder error.
    • Konfigurieren des Count Parameters für 86400
    • Konfigurieren des Timeout Parameters für PT24H

    Fügen Sie innerhalb der Do until Aktion die folgenden Aktionen hinzu:

    • Hinzufügen einer Delay Aktion, die auf eine Sekunde wartet
    • Fügen Sie eine Get Transcript Aktion hinzu, und übergeben Sie die IDTranscribe Audio Ausgabe an den Transcript ID Parameter.
    • Hinzufügen einer Set variable Aktion
      • Legen Sie Name auf transcript_status fest.
      • Status Übergeben der Get Transcript Ausgabe an den Value Parameter

    Die Do until Schleife wird fortgesetzt, bis die Transkription abgeschlossen ist oder ein Fehler aufgetreten ist.

  • Fügen Sie eine weitere Get Transcript Aktion wie zuvor hinzu, fügen Sie sie aber nach der Do until Schleife hinzu, damit ihre Ausgabe außerhalb des Do until Aktionsbereichs verfügbar wird.

Bevor Sie etwas anderes tun, sollten Sie überprüfen, ob das Transkript Status oder completederror. Fügen Sie eine Condition Aktion hinzu, die überprüft, ob folgendes transcript_status ist error:

  • Fügen Sie in der True Verzweigung eine Terminate Aktion hinzu.
    • Legen Sie Status auf Failed fest.
    • Legen Sie Code auf Transcript Error fest.
    • Übergeben Sie die Get Transcript Ausgabe Error an den Message Parameter.
  • Sie können die False Verzweigung leer lassen.

Jetzt können Sie eine beliebige Aktion hinzufügen, nachdem sie den Condition Transkriptstatus completedkennen, und Sie können alle Ausgabeeigenschaften der Get Transcript Aktion abrufen.

Weitere Aktivitäten hinzufügen

Nachdem Sie nun über eine abgeschlossene Transkription verfügen, können Sie viele andere Aktionen verwenden, die das ID Transkript übergeben, z. B.

  • Get Sentences of Transcript
  • Get Paragraphs of Transcript
  • Get Subtitles of Transcript
  • Get Redacted Audio
  • Search Transcript for Words
  • Run a Task using LeMUR

Bekannte Probleme und Einschränkungen

Derzeit sind keine bekannten Probleme vorhanden. Streaming speech-To-Text (Echtzeit) wird nicht unterstützt, da es nicht möglich ist, benutzerdefinierte Connectors zu verwenden.

Häufige Fehler und Abhilfemaßnahmen

Weitere Informationen zu Fehlern finden Sie in der AssemblyAI-Dokumentation.

Häufig gestellte Fragen

Häufig gestellte Fragen finden Sie in unserer Dokumentation.

Erstellen einer Verbindung

Der Connector unterstützt die folgenden Authentifizierungstypen:
Vorgabe Parameter zum Erstellen einer Verbindung. Alle Regionen Nicht teilbar

Vorgabe

Anwendbar: Alle Regionen

Parameter zum Erstellen einer Verbindung.

Dies ist keine freigabefähige Verbindung. Wenn die Power-App für einen anderen Benutzer freigegeben wird, wird ein anderer Benutzer aufgefordert, eine neue Verbindung explizit zu erstellen.

Name Typ Description Erforderlich
AssemblyAI-API-Schlüssel securestring Der AssemblyAI-API-Schlüssel zum Authentifizieren der AssemblyAI-API. Richtig

Drosselungsgrenzwerte

Name Aufrufe Verlängerungszeitraum
API-Aufrufe pro Verbindung 100 60 Sekunden

Aktionen

Abrufen von Absätzen in Transkript

Rufen Sie die Transkription nach Absätzen ab. Die API versucht, Ihre Transkription semantisch in Absätze zu segmentieren, um mehr leserfreundliche Transkripte zu erstellen.
Abrufen von Sätzen in Transkript

Rufen Sie die Transkription nach Sätzen ab. Die API versucht, das Transkript semantisch in Sätze zu segmentieren, um mehr leserfreundliche Transkripte zu erstellen.
Audio transkribieren

Erstellen Sie ein Transkript aus einer Mediendatei, auf die über eine URL zugegriffen werden kann.
Ausführen einer Aufgabe mit LeMUR

Verwenden Sie den LeMUR-Aufgabenendpunkt, um Ihre eigene LLM-Eingabeaufforderung einzugeben.
Hochladen einer Mediendatei

Laden Sie eine Mediendatei auf die Server von AssemblyAI hoch.
LeMUR-Antwort abrufen

Rufen Sie eine LeMUR-Antwort ab, die zuvor generiert wurde.
Löschen von LeMUR-Anforderungsdaten

Löschen Sie die Daten für eine zuvor übermittelte LeMUR-Anforderung. Die LLM-Antwortdaten sowie alle in der ursprünglichen Anforderung bereitgestellten Kontexte werden entfernt.
Redacted Audio abrufen

Rufen Sie das redacted Audio-Objekt ab, das den Status und die URL zum redacted Audio enthält.
Transkript abrufen

Rufen Sie die Transkriptressource ab. Das Transkript ist bereit, wenn der "Status" "abgeschlossen" ist.
Transkript löschen

Löschen Sie das Transkript. Beim Löschen wird die Ressource selbst nicht gelöscht, sondern die Daten aus der Ressource entfernt und als gelöscht markiert.
Transkriptionen auflisten

Dient zum Abrufen einer Liste von Transkriptionen, die Sie erstellt haben. Transkriptionen werden von der neuesten zur ältesten sortiert. Die vorherige URL verweist immer auf eine Seite mit älteren Transkriptionen.
Untertitel für Transkript abrufen

Exportieren Sie Ihre Transkription im SRT- oder VTT-Format, um sie mit einem Videoplayer für Untertitel und Untertitel zu verwenden.
Wörter in Transkript durchsuchen

Durchsuchen Sie das Transkript nach Schlüsselwörtern. Sie können nach einzelnen Wörtern, Zahlen oder Ausdrücken suchen, die bis zu fünf Wörter oder Zahlen enthalten.

Abrufen von Absätzen in Transkript

Vorgangs-ID:
GetTranscriptParagraphs

Rufen Sie die Transkription nach Absätzen ab. Die API versucht, Ihre Transkription semantisch in Absätze zu segmentieren, um mehr leserfreundliche Transkripte zu erstellen.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Transkript-ID
 transcript_id True string

ID des Transkripts

Gibt zurück

Body
ParagraphsResponse

Abrufen von Sätzen in Transkript

Vorgangs-ID:
GetTranscriptSentences

Rufen Sie die Transkription nach Sätzen ab. Die API versucht, das Transkript semantisch in Sätze zu segmentieren, um mehr leserfreundliche Transkripte zu erstellen.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Transkript-ID
 transcript_id True string

ID des Transkripts

Gibt zurück

Body
SentencesResponse

Audio transkribieren

Vorgangs-ID:
CreateTranscript

Erstellen Sie ein Transkript aus einer Mediendatei, auf die über eine URL zugegriffen werden kann.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Audio-URL
 audio_url True string

Die URL der zu transkribierten Audio- oder Videodatei.
Sprachcode
 language_code string

Die Sprache Ihrer Audiodatei. Mögliche Werte finden Sie in unterstützten Sprachen. Der Standardwert ist "en_us".
Language Detection
 language_detection boolean

Aktivieren Der automatischen Spracherkennung , entweder "true" oder "false".
Sprachmodell
 speech_model string

Das für die Transkription zu verwendende Sprachmodell.
Unterstreichen
 punctuate boolean

Automatische Interpunktion aktivieren, kann wahr oder falsch sein
Text formatieren
 format_text boolean

Textformatierung aktivieren, kann wahr oder falsch sein
Entfluenzungen
 disfluencies boolean

Transkribieren Sie Filler Words, wie "um", in Ihrer Mediendatei; kann wahr oder falsch sein
Dualer Kanal
 dual_channel boolean

Aktivieren Der Dual-Kanal-Transkription kann wahr oder falsch sein.
Webhook-URL
 webhook_url string

Die URL, an die Webhook-Anforderungen gesendet werden. Wir senden zwei verschiedene Arten von Webhook-Anforderungen. Eine Anforderung, wenn eine Transkription abgeschlossen oder fehlgeschlagen ist, und eine Anforderung, wenn die redacted Audio bereit ist, wenn redact_pii_audio aktiviert ist.
Webhook-Authentifizierungsheadername
 webhook_auth_header_name string

Der Kopfzeilenname, der mit abgeschlossenen oder fehlgeschlagenen Webhook-Anforderungen gesendet werden soll
Webhook-Authentifizierungsheaderwert
 webhook_auth_header_value string

Der Headerwert, der mit der Transkription zurück gesendet werden soll, oder fehlgeschlagene Webhook-Anforderungen für zusätzliche Sicherheit
Stichworten
 auto_highlights boolean

Aktivieren von Schlüsselausdrücken, entweder wahr oder falsch
Audio starten von
 audio_start_from integer

Der Zeitpunkt in Millisekunden, um mit dem Transkribieren in Ihrer Mediendatei zu beginnen
Audioende bei
 audio_end_at integer

Der Zeitpunkt in Millisekunden, um das Transkribieren in Ihrer Mediendatei zu beenden
Word Boost
 word_boost array of string

Die Liste des benutzerdefinierten Vokabulars zur Erhöhung der Transkriptionswahrscheinlichkeit für
Word-Boost-Ebene
 boost_param string

Wie viel angegebene Wörter heraufzukurbeln
Profanität filtern
 filter_profanity boolean

Das Filtern von Profanität aus dem transkribierten Text kann wahr oder falsch sein.
Redact PII
 redact_pii boolean

Redact PII aus dem transkribierten Text mithilfe des Redact PII-Modells kann wahr oder falsch sein.
Redact PII Audio
 redact_pii_audio boolean

Generieren Sie eine Kopie der ursprünglichen Mediendatei mit gesprochenem PII-Wert "beeped" aus, kann wahr oder falsch sein. Weitere Informationen finden Sie unter PII-Redaction.
Redact PII Audio Quality
 redact_pii_audio_quality string

Steuert den Dateityp der von redact_pii_audio erstellten Audiodaten. Unterstützt derzeit MP3 (Standard) und WAV. Weitere Informationen finden Sie unter PII-Redaction.
Redact PII-Richtlinien
 redact_pii_policies array of string

Die Liste der zu aktivierenden PII-Redaction-Richtlinien. Weitere Informationen finden Sie unter PII-Redaction.
Redact PII Substitution
 redact_pii_sub string

Die Ersetzungslogik für erkannte PII kann "entity_name" oder "Hash" sein. Weitere Informationen finden Sie unter PII-Redaction.
Lautsprecherbeschriftungen
 speaker_labels boolean

Aktivieren der Lautsprecher-Diarisierung, kann wahr oder falsch sein
Lautsprecher erwartet
 speakers_expected integer

Teilt dem Lautsprecheretikettenmodell mit, wie viele Lautsprecher versucht werden sollen, bis zu 10 zu identifizieren. Weitere Details finden Sie unter Sprecherdiarisierung.
Inhaltsmoderation
 content_safety boolean

Inhaltsmoderation aktivieren, kann wahr oder falsch sein.
Konfidenz der Inhaltsmoderation
 content_safety_confidence integer

Der Konfidenzschwellenwert für das Inhaltsmoderationsmodell. Werte müssen zwischen 25 und 100 sein.
Themaerkennung
 iab_categories boolean

Aktivieren der Themenerkennung, kann wahr oder falsch sein
Von
 from True array of string

Zu ersetzende Wörter oder Ausdrücke
Bis
 to True string

Word oder Ausdruck, durch das ersetzt werden soll
Sentiment Analysis
 sentiment_analysis boolean

Aktivieren der Stimmungsanalyse, kann wahr oder falsch sein
Automatische Kapitel
 auto_chapters boolean

Auto Kapitel aktivieren, kann wahr oder falsch sein
Entitätserkennung
 entity_detection boolean

Aktivieren der Entitätserkennung, kann wahr oder falsch sein
Sprachschwellenwert
 speech_threshold float

Ablehnen von Audiodateien, die weniger als diesen Bruchteil der Sprache enthalten. Gültige Werte befinden sich im Bereich [0, 1] einschließlich.
Zusammenfassung aktivieren
 summarization boolean

Zusammenfassung aktivieren, kann wahr oder falsch sein
Zusammenfassungsmodell
 summary_model string

Das Modell zum Zusammenfassen des Transkripts
Zusammenfassungstyp
 summary_type string

Der Typ der Zusammenfassung
Benutzerdefinierte Themen aktivieren
 custom_topics boolean

Aktivieren von benutzerdefinierten Themen, entweder wahr oder falsch
Benutzerdefinierte Themen
 topics array of string

Die Liste der benutzerdefinierten Themen

Gibt zurück

Ein Transkriptobjekt

Body
Transcript

Ausführen einer Aufgabe mit LeMUR

Vorgangs-ID:
LemurTask

Verwenden Sie den LeMUR-Aufgabenendpunkt, um Ihre eigene LLM-Eingabeaufforderung einzugeben.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Prompt
 prompt True string

Der Text, der das Modell auffordert, eine gewünschte Ausgabe zu erzeugen, einschließlich eines beliebigen Kontexts, den Sie an das Modell übergeben möchten.
Transkript-IDs
 transcript_ids array of uuid

Eine Liste der abgeschlossenen Transkriptionen mit Text. Bis zu maximal 100 Dateien oder 100 Stunden, je nachdem, welcher Wert niedriger ist. Verwenden Sie entweder transcript_ids oder input_text als Eingabe in LeMUR.
Eingabetext
 input_text string

Benutzerdefinierte formatierte Transkriptdaten. Die maximale Größe ist das Kontextlimit des ausgewählten Modells, das standardmäßig auf 100000 festgelegt ist. Verwenden Sie entweder transcript_ids oder input_text als Eingabe in LeMUR.
Kontext
 context string

Kontext zum Bereitstellen des Modells. Hierbei kann es sich um eine Zeichenfolge oder einen JSON-Wert in Freiform handelt.
Endgültiges Modell
 final_model string

Das Modell, das nach der Komprimierung für die endgültige Eingabeaufforderung verwendet wird.
Maximale Ausgabegröße
 max_output_size integer

Maximale Ausgabegröße in Token, bis zu 4000
Temperatur
 temperature float

Die für das Modell zu verwendende Temperatur. Höhere Werte führen zu Antworten, die kreativer sind, niedrigere Werte sind konservativer. Kann ein beliebiger Wert zwischen 0,0 und 1,0 (einschließlich) sein.

Gibt zurück

Body
LemurTaskResponse

Hochladen einer Mediendatei

Vorgangs-ID:
UploadFile

Laden Sie eine Mediendatei auf die Server von AssemblyAI hoch.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Inhalt der Datei
 file True binary

Die hochzuladende Datei.

Gibt zurück

Body
UploadedFile

LeMUR-Antwort abrufen

Vorgangs-ID:
GetLemurResponse

Rufen Sie eine LeMUR-Antwort ab, die zuvor generiert wurde.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
LeMUR-Anforderungs-ID
 request_id True string

Die ID der LeMUR-Anforderung, die Sie zuvor gestellt haben. Dies würde in der Antwort der ursprünglichen Anforderung gefunden.

Gibt zurück

Body
LemurResponse

Löschen von LeMUR-Anforderungsdaten

Vorgangs-ID:
PurgeLemurRequestData

Löschen Sie die Daten für eine zuvor übermittelte LeMUR-Anforderung. Die LLM-Antwortdaten sowie alle in der ursprünglichen Anforderung bereitgestellten Kontexte werden entfernt.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
LeMUR-Anforderungs-ID
 request_id True string

Die ID der LeMUR-Anforderung, deren Daten Sie löschen möchten. Dies würde in der Antwort der ursprünglichen Anforderung gefunden.

Gibt zurück

Body
PurgeLemurRequestDataResponse

Redacted Audio abrufen

Vorgangs-ID:
GetRedactedAudio

Rufen Sie das redacted Audio-Objekt ab, das den Status und die URL zum redacted Audio enthält.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Transkript-ID
 transcript_id True string

ID des Transkripts

Gibt zurück

Body
RedactedAudioResponse

Transkript abrufen

Vorgangs-ID:
GetTranscript

Rufen Sie die Transkriptressource ab. Das Transkript ist bereit, wenn der "Status" "abgeschlossen" ist.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Transkript-ID
 transcript_id True string

ID des Transkripts

Gibt zurück

Ein Transkriptobjekt

Body
Transcript

Transkript löschen

Vorgangs-ID:
DeleteTranscript

Löschen Sie das Transkript. Beim Löschen wird die Ressource selbst nicht gelöscht, sondern die Daten aus der Ressource entfernt und als gelöscht markiert.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Transkript-ID
 transcript_id True string

ID des Transkripts

Gibt zurück

Ein Transkriptobjekt

Body
Transcript

Transkriptionen auflisten

Vorgangs-ID:
ListTranscripts

Dient zum Abrufen einer Liste von Transkriptionen, die Sie erstellt haben. Transkriptionen werden von der neuesten zur ältesten sortiert. Die vorherige URL verweist immer auf eine Seite mit älteren Transkriptionen.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Limit
 limit integer

Maximale Anzahl von Transkriptionen, die abgerufen werden sollen
Der Status
 status string

Der Status Ihrer Transkription. Mögliche Werte sind in die Warteschlange eingereiht, verarbeitet, abgeschlossen oder fehler.
Erstellt am
 created_on date

Abrufen von Transkriptionen, die an diesem Datum erstellt wurden
Vor ID
 before_id uuid

Abrufen von Transkriptionen, die vor dieser Transkript-ID erstellt wurden
Nach ID
 after_id uuid

Abrufen von Transkriptionen, die nach dieser Transkript-ID erstellt wurden
Nur gedrosselt
 throttled_only boolean

Ruft nur eingeschränkte Transkriptionen ab, überschreibt den Statusfilter.

Gibt zurück

Eine Liste der Transkriptionen. Transkriptionen werden von der neuesten zur ältesten sortiert. Die vorherige URL verweist immer auf eine Seite mit älteren Transkriptionen.

Body
TranscriptList

Untertitel für Transkript abrufen

Vorgangs-ID:
GetSubtitles

Exportieren Sie Ihre Transkription im SRT- oder VTT-Format, um sie mit einem Videoplayer für Untertitel und Untertitel zu verwenden.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Transkript-ID
 transcript_id True string

ID des Transkripts
Untertitelformat
 subtitle_format True string

Format der Untertitel
Anzahl der Zeichen pro Beschriftung
 chars_per_caption integer

Die maximale Anzahl von Zeichen pro Beschriftung

Gibt zurück

response
string

Wörter in Transkript durchsuchen

Vorgangs-ID:
WordSearch

Durchsuchen Sie das Transkript nach Schlüsselwörtern. Sie können nach einzelnen Wörtern, Zahlen oder Ausdrücken suchen, die bis zu fünf Wörter oder Zahlen enthalten.

Parameter

Name Schlüssel Erforderlich Typ Beschreibung
Transkript-ID
 transcript_id True string

ID des Transkripts
Wörter
 words True array

Schlüsselwörter, nach der gesucht werden soll

Gibt zurück

Body
WordSearchResponse

Definitionen

RedactedAudioResponse

Name Pfad Typ Beschreibung
Der Status
 status string

Der Status der bearbeiteten Audiodaten
Redacted Audio URL
 redacted_audio_url string

Die URL der redacted Audiodatei

WordSearchResponse

Name Pfad Typ Beschreibung
Transkript-ID
 id uuid

Die ID des Transkripts
Gesamtanzahl der Übereinstimmungen
 total_count integer

Die Gesamtanzahl aller übereinstimmenen Instanzen. Bei wörtern 1 wurde z. B. 2 mal abgeglichen, und Wort 2 hat 3 Mal abgeglichen, total_count entspricht 5.
Übereinstimmungen
 matches array of object

Die Übereinstimmungen der Suche
Text
 matches.text string

Das übereinstimmene Wort
Anzahl
 matches.count integer

Die Gesamtdauer, in der das Wort im Transkript enthalten ist
Zeitstempel
 matches.timestamps array of array

Ein Array von Zeitstempeln
Zeitstempel
 matches.timestamps array of integer

Ein Array von Zeitstempeln, die in Millisekunden als [start_time, end_time] strukturiert sind
Indizes
 matches.indexes array of integer

Ein Array aller Indexspeicherorte für dieses Wort innerhalb des Wortarrays des abgeschlossenen Transkripts

Textaufzeichnung

Ein Transkriptobjekt

Name Pfad Typ Beschreibung
ID
 id uuid

Der eindeutige Bezeichner Ihres Transkripts
Audio-URL
 audio_url string

Die URL der Medien, die transkribiert wurden
Der Status
 status string

Der Status Ihrer Transkription. Mögliche Werte sind in die Warteschlange eingereiht, verarbeitet, abgeschlossen oder fehler.
Sprachcode
 language_code string

Die Sprache Ihrer Audiodatei. Mögliche Werte finden Sie in unterstützten Sprachen. Der Standardwert ist "en_us".
Language Detection
 language_detection boolean

Gibt an, ob die automatische Spracherkennung aktiviert ist, entweder "true" oder "false".
Sprachmodell
 speech_model string

Das für die Transkription zu verwendende Sprachmodell.
Text
 text string

Die textbezogene Transkription Ihrer Mediendatei
Wörter
 words array of object

Ein Array zeitlich sequenzieller Wortobjekte, eines für jedes Wort im Transkript. Weitere Informationen finden Sie unter Spracherkennung.
Zuverlässigkeit
 words.confidence double
Start
 words.start integer
ENDE
 words.end integer
Text
 words.text string
Lautsprecher
 words.speaker string

Der Sprecher des Satzes, wenn die Sprecherdiarisierung aktiviert ist, sonst NULL
Äußerungen
 utterances array of object

Wenn dual_channel oder speaker_labels aktiviert ist, wird eine Liste von turn-by-turn-utterance-Objekten angezeigt. Weitere Informationen finden Sie unter Sprecherdiarisierung.
Zuverlässigkeit
 utterances.confidence double

Die Konfidenzbewertung für die Transkription dieser Äußerung
Start
 utterances.start integer

Die Startzeit in Millisekunden der Äußerung in der Audiodatei
ENDE
 utterances.end integer

Die Endzeit in Millisekunden der Äußerung in der Audiodatei
Text
 utterances.text string

Der Text für diese Äußerung
Wörter
 utterances.words array of object

Die Worte in der Äußerung.
Zuverlässigkeit
 utterances.words.confidence double
Start
 utterances.words.start integer
ENDE
 utterances.words.end integer
Text
 utterances.words.text string
Lautsprecher
 utterances.words.speaker string

Der Sprecher des Satzes, wenn die Sprecherdiarisierung aktiviert ist, sonst NULL
Lautsprecher
 utterances.speaker string

Der Sprecher dieser Äußerung, wobei jedem Sprecher ein sequenzieller Großbuchstabe zugewiesen wird - z. B. "A" für Sprecher A, "B" für Sprecher B usw.
Zuverlässigkeit
 confidence double

Die Konfidenzbewertung für die Transkription zwischen 0,0 (niedrige Konfidenz) und 1,0 (hohe Vertrauenswürdigkeit)
Audiodauer
 audio_duration integer

Die Dauer der Mediendatei dieses Transkriptobjekts in Sekunden
Unterstreichen
 punctuate boolean

Gibt an, ob die automatische Interpunktion aktiviert ist, entweder "true" oder "false".
Text formatieren
 format_text boolean

Gibt an, ob die Textformatierung aktiviert ist, entweder "true" oder "false".
Entfluenzungen
 disfluencies boolean

Transkribieren Sie Filler Words, wie "um", in Ihrer Mediendatei; kann wahr oder falsch sein
Dualer Kanal
 dual_channel boolean

Gibt an, ob die Transkription des dualen Kanals in der Transkriptionsanforderung aktiviert wurde, entweder "true" oder "false".
Webhook-URL
 webhook_url string

Die URL, an die Webhook-Anforderungen gesendet werden. Wir senden zwei verschiedene Arten von Webhook-Anforderungen. Eine Anforderung, wenn eine Transkription abgeschlossen oder fehlgeschlagen ist, und eine Anforderung, wenn die redacted Audio bereit ist, wenn redact_pii_audio aktiviert ist.
Webhook-HTTP-Statuscode
 webhook_status_code integer

Der Statuscode, den wir von Ihrem Server erhalten haben, wenn die Transkription abgeschlossene oder fehlgeschlagene Webhook-Anforderung übermittelt wurde, wenn eine Webhook-URL bereitgestellt wurde
Webhook-Authentifizierung aktiviert
 webhook_auth boolean

Gibt an, ob Webhook-Authentifizierungsdetails angegeben wurden.
Webhook-Authentifizierungsheadername
 webhook_auth_header_name string

Der Kopfzeilenname, der mit abgeschlossenen oder fehlgeschlagenen Webhook-Anforderungen gesendet werden soll
Geschwindigkeitsverstärkung
 speed_boost boolean

Gibt an, ob die Geschwindigkeitsverstärkung aktiviert ist.
Stichworten
 auto_highlights boolean

Gibt an, ob Schlüsselausdrücke aktiviert sind, entweder "true" oder "false".
Der Status
 auto_highlights_result.status string

Entweder erfolgreich oder nicht verfügbar im seltenen Fall, dass das Modell fehlgeschlagen ist
Ergebnisse
 auto_highlights_result.results array of object

Ein zeitlich sequenzielles Array von Key Phrasen
Anzahl
 auto_highlights_result.results.count integer

Die Gesamtanzahl der Anzeige des Schlüsselausdrucks in der Audiodatei
Rang
 auto_highlights_result.results.rank float

Die Gesamtrelevanz für die Gesamtaudiodatei dieses Schlüsselbegriffs - eine größere Zahl bedeutet relevanter
Text
 auto_highlights_result.results.text string

Der Text selbst des Schlüsselbegriffs
Zeitstempel
 auto_highlights_result.results.timestamps array of object

Der Zeitstempel des Schlüsselausdrucks
Start
 auto_highlights_result.results.timestamps.start integer

Die Startzeit in Millisekunden
ENDE
 auto_highlights_result.results.timestamps.end integer

Endzeit in Millisekunden
Audio starten von
 audio_start_from integer

Der Zeitpunkt in Millisekunden in der Datei, an der die Transkription gestartet wurde
Audioende bei
 audio_end_at integer

Der Zeitpunkt in Millisekunden in der Datei, an der die Transkription beendet wurde
Word Boost
 word_boost array of string

Die Liste des benutzerdefinierten Vokabulars zur Erhöhung der Transkriptionswahrscheinlichkeit für
Ankurbeln
 boost_param string

Der Wert des Worts "Boost-Parameter"
Profanität filtern
 filter_profanity boolean

Gibt an, ob die Profanitätsfilterung aktiviert ist, entweder "true" oder "false".
Redact PII
 redact_pii boolean

Gibt an, ob PII Redaction aktiviert ist, entweder wahr oder falsch.
Redact PII Audio
 redact_pii_audio boolean

Gibt an, ob eine redacted-Version der Audiodatei generiert wurde, entweder "true" oder "false". Weitere Informationen finden Sie unter PII-Redaction.
Redact PII Audio Quality
 redact_pii_audio_quality string

Steuert den Dateityp der von redact_pii_audio erstellten Audiodaten. Unterstützt derzeit MP3 (Standard) und WAV. Weitere Informationen finden Sie unter PII-Redaction.
Redact PII-Richtlinien
 redact_pii_policies array of string

Die Liste der aktivierten PII-Redaction-Richtlinien, wenn PII Redaction aktiviert ist. Weitere Informationen finden Sie unter PII-Redaction.
Redact PII Substitution
 redact_pii_sub string

Die Ersetzungslogik für erkannte PII kann "entity_name" oder "Hash" sein. Weitere Informationen finden Sie unter PII-Redaction.
Lautsprecherbeschriftungen
 speaker_labels boolean

Gibt an, ob die Diarisierung des Lautsprechers aktiviert ist, kann wahr oder falsch sein.
Lautsprecher erwartet
 speakers_expected integer

Teilen Sie dem Lautsprecheretikettenmodell mit, wie viele Lautsprecher es identifizieren soll, bis zu 10. Weitere Details finden Sie unter Sprecherdiarisierung.
Inhaltsmoderation
 content_safety boolean

Gibt an, ob die Inhaltsmoderation aktiviert ist, kann wahr oder falsch sein.
Der Status
 content_safety_labels.status string

Entweder erfolgreich oder nicht verfügbar im seltenen Fall, dass das Modell fehlgeschlagen ist
Ergebnisse
 content_safety_labels.results array of object
Text
 content_safety_labels.results.text string

Die Transkription des Abschnitts, der vom Inhaltsmoderationsmodell gekennzeichnet ist
Labels
 content_safety_labels.results.labels array of object

Ein Array von Sicherheitsbezeichnungen, eines pro vertraulichen Thema, das im Abschnitt erkannt wurde
Etikett
 content_safety_labels.results.labels.label string

Die Bezeichnung des vertraulichen Themas
Zuverlässigkeit
 content_safety_labels.results.labels.confidence double

Die Konfidenzbewertung für das thema, das diskutiert wird, von 0 bis 1
Schweregrad
 content_safety_labels.results.labels.severity double

Wie stark das Thema im Abschnitt behandelt wird, von 0 bis 1
Satzindex anfang
 content_safety_labels.results.sentences_idx_start integer

Der Satzindex, an dem der Abschnitt beginnt
Satzindexende
 content_safety_labels.results.sentences_idx_end integer

Der Satzindex, an dem der Abschnitt endet
Start
 content_safety_labels.results.timestamp.start integer

Die Startzeit in Millisekunden
ENDE
 content_safety_labels.results.timestamp.end integer

Endzeit in Millisekunden
Zusammenfassung
 content_safety_labels.summary object

Eine Zusammenfassung der Konfidenzergebnisse der Inhaltsmoderation für die gesamte Audiodatei
Zusammenfassung der Schweregradbewertung
 content_safety_labels.severity_score_summary object

Eine Zusammenfassung der Ergebnisse des Schweregrads der Inhaltsmoderation für die gesamte Audiodatei
Themaerkennung
 iab_categories boolean

Gibt an, ob die Themenerkennung aktiviert ist, kann wahr oder falsch sein.
Der Status
 iab_categories_result.status string

Entweder erfolgreich oder nicht verfügbar im seltenen Fall, dass das Modell fehlgeschlagen ist
Ergebnisse
 iab_categories_result.results array of object

Ein Array von Ergebnissen für das Themaerkennungsmodell
Text
 iab_categories_result.results.text string

Der Text in der Transkription, in dem ein erkanntes Thema auftritt
Labels
 iab_categories_result.results.labels array of object
Relevance
 iab_categories_result.results.labels.relevance double

Wie relevant das erkannte Thema ist eines erkannten Themas
Etikett
 iab_categories_result.results.labels.label string

Die taxonomische IAB-Bezeichnung für die Bezeichnung des erkannten Themas, wobei > die supertopische/subtopische Beziehung bezeichnet wird
Start
 iab_categories_result.results.timestamp.start integer

Die Startzeit in Millisekunden
ENDE
 iab_categories_result.results.timestamp.end integer

Endzeit in Millisekunden
Zusammenfassung
 iab_categories_result.summary object

Die Gesamtrelevanz des Themas für die gesamte Audiodatei
Benutzerdefinierte Rechtschreibungen
 custom_spelling array of object

Anpassen, wie Wörter mithilfe von Werten geschrieben und formatiert werden
Von
 custom_spelling.from array of string

Zu ersetzende Wörter oder Ausdrücke
Bis
 custom_spelling.to string

Word oder Ausdruck, durch das ersetzt werden soll
Automatische Kapitel aktiviert
 auto_chapters boolean

Gibt an, ob automatische Kapitel aktiviert sind, kann wahr oder falsch sein.
Kapitel
 chapters array of object

Ein Array zeitlich sequenzieller Kapitel für die Audiodatei
Gist
 chapters.gist string

Eine ultra-kurze Zusammenfassung (nur ein paar Wörter) des im Kapitel gesprochenen Inhalts
Schlagzeile
 chapters.headline string

Eine einzelne Satzzusammenfassung des im Kapitel gesprochenen Inhalts
Zusammenfassung
 chapters.summary string

Eine Absatzzusammenfassung des im Kapitel gesprochenen Inhalts
Start
 chapters.start integer

Die Startzeit in Millisekunden für das Kapitel
ENDE
 chapters.end integer

Die Startzeit in Millisekunden für das Kapitel
Zusammenfassung aktiviert
 summarization boolean

Gibt an, ob "Zusammenfassung" aktiviert ist, entweder "true" oder "false".
Zusammenfassungstyp
 summary_type string

Der Typ der generierten Zusammenfassung, wenn "Zusammenfassung" aktiviert ist
Zusammenfassungsmodell
 summary_model string

Das Zusammenfassungsmodell, das zum Generieren der Zusammenfassung verwendet wird, wenn "Zusammenfassung" aktiviert ist
Zusammenfassung
 summary string

Die generierte Zusammenfassung der Mediendatei, wenn "Zusammenfassung" aktiviert ist
Benutzerdefinierte Themen aktiviert
 custom_topics boolean

Gibt an, ob benutzerdefinierte Themen aktiviert sind, entweder "true" oder "false".
Themen
 topics array of string

Die Liste der benutzerdefinierten Themen, die bereitgestellt werden, wenn benutzerdefinierte Themen aktiviert sind
Sentiment Analysis
 sentiment_analysis boolean

Gibt an, ob die Stimmungsanalyse aktiviert ist, kann wahr oder falsch sein.
Ergebnisse der Stimmungsanalyse
 sentiment_analysis_results array of object

Ein Array von Ergebnissen für das Stimmungsanalysemodell, wenn es aktiviert ist. Weitere Informationen finden Sie unter "Stimmungsanalyse".
Text
 sentiment_analysis_results.text string

Die Transkription des Satzes
Start
 sentiment_analysis_results.start integer

Die Startzeit des Satzes in Millisekunden
ENDE
 sentiment_analysis_results.end integer

Die Endzeit des Satzes in Millisekunden
Stimmung
 sentiment_analysis_results.sentiment

Die festgestellte Stimmung für den Satz, einer von POSITIV, NEUTRAL, NEGATIV
Zuverlässigkeit
 sentiment_analysis_results.confidence double

Der Konfidenzwert für die festgestellte Stimmung des Satzes von 0 bis 1
Lautsprecher
 sentiment_analysis_results.speaker string

Der Sprecher des Satzes, wenn die Sprecherdiarisierung aktiviert ist, sonst NULL
Entitätserkennung
 entity_detection boolean

Gibt an, ob die Entitätserkennung aktiviert ist, kann wahr oder falsch sein.
Entitäten
 entities array of object

Ein Array von Ergebnissen für das Entitätserkennungsmodell, wenn es aktiviert ist. Weitere Informationen finden Sie unter Entitätserkennung.
Entitätstyp
 entities.entity_type string

Der Typ der Entität für die erkannte Entität
Text
 entities.text string

Der Text für die erkannte Entität
Start
 entities.start integer

Die Startzeit in Millisekunden, zu der die erkannte Entität in der Audiodatei angezeigt wird
ENDE
 entities.end integer

Die Endzeit in Millisekunden für die erkannte Entität in der Audiodatei
Sprachschwellenwert
 speech_threshold float

Der Standardwert ist null. Ablehnen von Audiodateien, die weniger als diesen Bruchteil der Sprache enthalten. Gültige Werte befinden sich im Bereich [0, 1] einschließlich.
gedrosselt
 throttled boolean

True, während eine Anforderung gedrosselt und falsch ist, wenn eine Anforderung nicht mehr gedrosselt wird
Fehler
 error string

Fehlermeldung, warum die Transkription fehlgeschlagen ist
Sprachmodell
 language_model string

Das Für das Transkript verwendete Sprachmodell
Akustisches Modell
 acoustic_model string

Das akustische Modell, das für die Transkription verwendet wurde

SentencesResponse

Name Pfad Typ Beschreibung
Transkript-ID
 id uuid
Zuverlässigkeit
 confidence double
Audiodauer
 audio_duration number
Sätze
 sentences array of object
Text
 sentences.text string
Start
 sentences.start integer
ENDE
 sentences.end integer
Zuverlässigkeit
 sentences.confidence double
Wörter
 sentences.words array of object
Zuverlässigkeit
 sentences.words.confidence double
Start
 sentences.words.start integer
ENDE
 sentences.words.end integer
Text
 sentences.words.text string
Lautsprecher
 sentences.words.speaker string

Der Sprecher des Satzes, wenn die Sprecherdiarisierung aktiviert ist, sonst NULL
Lautsprecher
 sentences.speaker string

Der Sprecher des Satzes, wenn die Sprecherdiarisierung aktiviert ist, sonst NULL

ParagraphsResponse

Name Pfad Typ Beschreibung
Transkript-ID
 id uuid
Zuverlässigkeit
 confidence double
Audiodauer
 audio_duration number
Paragraphs
 paragraphs array of object
Text
 paragraphs.text string
Start
 paragraphs.start integer
ENDE
 paragraphs.end integer
Zuverlässigkeit
 paragraphs.confidence double
Wörter
 paragraphs.words array of object
Zuverlässigkeit
 paragraphs.words.confidence double
Start
 paragraphs.words.start integer
ENDE
 paragraphs.words.end integer
Text
 paragraphs.words.text string
Lautsprecher
 paragraphs.words.speaker string

Der Sprecher des Satzes, wenn die Sprecherdiarisierung aktiviert ist, sonst NULL
Lautsprecher
 paragraphs.speaker string

Der Sprecher des Satzes, wenn die Sprecherdiarisierung aktiviert ist, sonst NULL

TranscriptList

Eine Liste der Transkriptionen. Transkriptionen werden von der neuesten zur ältesten sortiert. Die vorherige URL verweist immer auf eine Seite mit älteren Transkriptionen.

Name Pfad Typ Beschreibung
Limit
 page_details.limit integer

Die Anzahl der Ergebnisse, auf die diese Seite beschränkt ist
Ergebnisanzahl
 page_details.result_count integer

Die tatsächliche Anzahl der Ergebnisse auf der Seite
Aktuelle URL
 page_details.current_url string

Die URL, die zum Abrufen der aktuellen Seite von Transkriptionen verwendet wird
Vorherige URL
 page_details.prev_url string

Die URL zur nächsten Seite der Transkriptionen. Die vorherige URL verweist immer auf eine Seite mit älteren Transkriptionen.
Nächste URL
 page_details.next_url string

Die URL zur nächsten Seite der Transkriptionen. Die nächste URL verweist immer auf eine Seite mit neueren Transkriptionen.
Transcripts
 transcripts array of object
ID
 transcripts.id uuid
Ressourcen-URL
 transcripts.resource_url string
Der Status
 transcripts.status string

Der Status Ihrer Transkription. Mögliche Werte sind in die Warteschlange eingereiht, verarbeitet, abgeschlossen oder fehler.
Erstellt
 transcripts.created string
Abgeschlossen
 transcripts.completed string
Audio-URL
 transcripts.audio_url string
Fehler
 transcripts.error string

Fehlermeldung, warum die Transkription fehlgeschlagen ist

UploadedFile

Name Pfad Typ Beschreibung
URL der hochgeladenen Datei
 upload_url string

Eine URL, die auf Ihre Audiodatei verweist, auf die nur von AssemblyAI-Servern zugegriffen werden kann

PurgeLemurRequestDataResponse

Name Pfad Typ Beschreibung
Anforderungs-ID löschen
 request_id uuid

Die ID des Löschantrags der LeMUR-Anforderung
LeMUR-Anforderungs-ID zum Löschen
 request_id_to_purge uuid

Die ID der LeMUR-Anforderung zum Löschen der Daten für
Gelöscht
 deleted boolean

Gibt an, ob die Anforderungsdaten gelöscht wurden.

LemurTaskResponse

Name Pfad Typ Beschreibung
Antwort
 response string

Die von LeMUR generierte Antwort.
LeMUR-Anforderungs-ID
 request_id uuid

Die ID der LeMUR-Anforderung
Eingabetoken
 usage.input_tokens integer

Die Anzahl der vom Modell verwendeten Eingabetoken
256 Ausgabetoken
 usage.output_tokens integer

Die Anzahl der vom Modell generierten Ausgabetoken

LemurResponse

Name Pfad Typ Beschreibung
Antwort
 response string

Die von LeMUR generierte Antwort.
LeMUR-Anforderungs-ID
 request_id uuid

Die ID der LeMUR-Anforderung
Eingabetoken
 usage.input_tokens integer

Die Anzahl der vom Modell verwendeten Eingabetoken
256 Ausgabetoken
 usage.output_tokens integer

Die Anzahl der vom Modell generierten Ausgabetoken

Schnur

Dies ist der grundlegende Datentyp "string".