Transkriptbearbeitung

Übersicht

Mit der Transkriptbearbeitung können Sie einer Transkriptionsanfrage eine Anweisung in natürlicher Sprache hinzufügen. Nachdem das Audio transkribiert wurde, wird Ihre Anweisung auf das Transkript angewendet. Der bearbeitete Text wird zusammen mit dem Original zurückgegeben.

Dadurch entfällt ein separater Nachbearbeitungsschritt in Ihrer eigenen Pipeline. Typische Anwendungsfälle sind die Vereinheitlichung der Schreibweise von Daten, Uhrzeiten oder Einheiten, das Ausschreiben von Abkürzungen, das Entfernen nicht benötigter Inhalte, die Anwendung eines anderen Stils oder Tons oder die Neuformatierung des Transkripts.

Wenn Sie beispielsweise eine Voicemail mit der Anweisung Write all dates in ISO 8601 format (YYYY-MM-DD) transkribieren, werden beide Textversionen zurückgegeben:

{
  "language_code": "eng",
  "language_probability": 0.9912,
  "text": "Hi, this is Jill. Your appointment is confirmed for the twelfth of July twenty twenty-six, and the follow-up is on the third of August.",
  "words": [
    { "text": "Hi,", "start": 0.12, "end": 0.38, "type": "word", "logprob": 0.0 },
    { "text": " ", "start": 0.38, "end": 0.41, "type": "spacing", "logprob": 0.0 },
    { "text": "this", "start": 0.41, "end": 0.55, "type": "word", "logprob": 0.0 },
    ...
  ],
  "transcription_id": "Y2ZX8AxHUzTPCIualYiE",
  "edited_transcript": {
    "kind": "transcript",
    "text": "Hi, this is Jill. Your appointment is confirmed for 2026-07-12, and the follow-up is on 2026-08-03."
  }
}

Die Felder text und words beschreiben immer das ursprüngliche Transkript. Die bearbeitete Version wird separat in edited_transcript zurückgegeben.

Transkriptbearbeitung integrieren

Die Transkriptbearbeitung wird in die Speech-to-Text-API integriert, indem Sie den Parameter transcript_edit an die Methode convert übergeben. Die Anweisung darf bis zu 2000 Zeichen lang sein.

import os
from dotenv import load_dotenv
from elevenlabs.client import ElevenLabs
load_dotenv()
elevenlabs = ElevenLabs(
    api_key=os.getenv("ELEVENLABS_API_KEY"),
)
with open("voicemail.mp3", "rb") as audio_file:
    transcription = elevenlabs.speech_to_text.convert(
        file=audio_file,
        model_id="scribe_v2",
        # Natural-language instruction applied to the finished transcript.
        transcript_edit="Write all dates in ISO 8601 format (YYYY-MM-DD)",
    )
print("Original:", transcription.text)
print("Edited:", transcription.edited_transcript)

Die Transkriptbearbeitung funktioniert sowohl mit synchronen Anfragen als auch mit Webhook-Anfragen. Bei Webhook-Anfragen ist edited_transcript im Objekt transcription der Webhook-Nutzlast enthalten.

Scribe v2 Realtime unterstützt dieselben Anweisungen für jedes übermittelte Transkript. Weitere Informationen finden Sie im Leitfaden zur Bearbeitung von Echtzeittranskripten.

Anweisungen schreiben

Die Anweisung wird auf das gesamte Transkript angewendet, wo immer sie relevant ist. Jede passende Stelle wird bearbeitet, nicht nur die erste. Eine Anweisung kann bestimmte Wörter oder Phrasen ändern und alles andere unverändert lassen. Sie kann aber auch den gesamten Text umschreiben oder mit Anmerkungen versehen. Eine einzelne Anweisung kann mehrere Änderungen kombinieren.

Die folgenden Beispiele zeigen den Umfang der unterstützten Anweisungen:

Beachten Sie beim Schreiben von Anweisungen Folgendes:

• Beschreiben Sie die gewünschte Ausgabe eindeutig. Write all dates in ISO 8601 format (YYYY-MM-DD) ist zuverlässiger als fix the dates.
• Die Anweisung kann in jeder Sprache geschrieben werden, wobei auf Englisch formulierte Anweisungen am besten funktionieren. Das bearbeitete Transkript bleibt in der Sprache des Originals.
• Es wird nur die Anweisung ausgeführt. Im Audio gesprochene Inhalte werden als Daten behandelt und können nicht beeinflussen, wie die Anweisung angewendet wird.
• Wenn die Anweisung nichts im Transkript betrifft, ist das bearbeitete Transkript mit dem Original identisch.

Antwortformat

Wenn transcript_edit gesetzt ist, enthält die Antwort ein Objekt edited_transcript. Dessen Feld kind gibt an, ob die Bearbeitung erfolgreich war:

Das Feld fehlt, wenn kein transcript_edit angefordert wurde.

{
  "text": "Hi, this is Jill. Your appointment is confirmed for ...",
  "edited_transcript": {
    "kind": "error",
    "error_type": "edit_failed",
    "message": "The transcript could not be edited. Please try again."
  }
}

Folgendes sollten Sie beachten:

• Das bearbeitete Transkript ist Klartext. Zeitstempel auf Wortebene, Sprecherbezeichnungen und additional_formats beschreiben weiterhin das ursprüngliche Transkript.
• Die Bearbeitung wird nach Abschluss der Transkription ausgeführt und erhöht daher die Latenz. Diese steigt mit der Länge des Transkripts.
• Der Aufpreis wird auf die Audiodauer der Anfrage angewendet. Pro Anfrage werden mindestens 10 Sekunden abgerechnet.

Nächste Schritte