Modification de transcription

Présentation

La modification des transcriptions vous permet d’ajouter une instruction en langage naturel à une requête de transcription. Une fois l’audio transcrit, votre instruction est appliquée à la transcription et le texte modifié est renvoyé avec l’original.

Cela remplace une étape distincte de post-traitement dans votre propre pipeline. Les usages courants incluent la normalisation de l’écriture des dates, des heures ou des unités, le développement des abréviations, la suppression de contenu inutile, l’application d’un style ou d’un ton différent, ou le reformatage de la transcription.

Par exemple, transcrire un message vocal avec l’instruction Écrivez toutes les dates au format ISO 8601 (AAAA-MM-JJ) renvoie les deux versions du texte :

{
  "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."
  }
}

Les champs text et words décrivent toujours la transcription originale. La version modifiée est renvoyée séparément dans edited_transcript.

Intégrer la modification des transcriptions

La modification des transcriptions s’intègre à l’API Speech to Text en transmettant le paramètre transcript_edit à la méthode convert. L’instruction peut contenir jusqu’à 2 000 caractères.

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)

La modification des transcriptions fonctionne avec les requêtes synchrones comme avec les requêtes webhook. Pour les requêtes webhook, edited_transcript est inclus dans l’objet transcription de la charge utile du webhook.

Scribe v2 Realtime prend en charge les mêmes instructions pour chaque transcription validée. Consultez le guide de modification des transcriptions en temps réel.

Rédiger des instructions

L’instruction s’applique à l’ensemble de la transcription partout où elle est pertinente, et chaque occurrence correspondante est modifiée, pas seulement la première. Une instruction peut modifier des mots ou des expressions spécifiques sans toucher au reste, ou réécrire ou annoter l’intégralité du texte. Une seule instruction peut combiner plusieurs modifications.

Les exemples suivants illustrent l’éventail des instructions prises en charge :

Gardez les points suivants à l’esprit lors de la rédaction d’instructions :

• Indiquez explicitement le résultat souhaité. Écrivez toutes les dates au format ISO 8601 (AAAA-MM-JJ) est plus fiable que corrigez les dates.
• L’instruction peut être rédigée dans n’importe quelle langue, bien que les instructions rédigées en anglais fonctionnent mieux. La transcription modifiée reste dans la langue de l’original.
• Seule l’instruction est exécutée. Le contenu prononcé dans l’audio est traité comme des données et ne peut pas modifier la façon dont l’instruction est appliquée.
• Si aucun élément de la transcription n’est affecté par l’instruction, la transcription modifiée est identique à l’originale.

Format de réponse

Lorsque transcript_edit est défini, la réponse contient un objet edited_transcript. Son champ kind indique si la modification a réussi :

Le champ est absent lorsqu’aucun transcript_edit n’a été demandé.

{
  "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."
  }
}

Comportements à connaître :

• La transcription modifiée est du texte brut. Les horodatages au niveau des mots, les étiquettes de locuteur et additional_formats continuent de décrire la transcription originale.
• La modification s’exécute une fois la transcription terminée, elle ajoute donc une latence qui augmente avec la longueur de la transcription.
• Le supplément s’applique à la durée audio de la requête, avec un minimum de 10 secondes facturées par requête.

Étapes suivantes