ट्रांसक्रिप्ट एडिटिंग

कैसे करें गाइड · मानता है कि आपने स्पीच टू टेक्स्ट क्विकस्टार्ट पूरा कर लिया है।

अवलोकन

ट्रांसक्रिप्ट एडिटिंग एक प्रयोगात्मक सुविधा है और इसमें बेस ट्रांसक्रिप्शन लागत के ऊपर 30% अतिरिक्त शुल्क लगता है। हर अनुरोध के लिए कम-से-कम 10 सेकंड के ऑडियो का बिल लिया जाता है। विस्तृत कीमत की जानकारी के लिए API कीमत पेज देखें।

ट्रांसक्रिप्ट एडिटिंग से आप ट्रांसक्रिप्शन अनुरोध के साथ सामान्य भाषा में निर्देश जोड़ सकते हैं। ऑडियो ट्रांसक्राइब होने के बाद, आपका निर्देश ट्रांसक्रिप्ट पर लागू होता है और संपादित टेक्स्ट मूल टेक्स्ट के साथ लौटाया जाता है।

इससे आपकी अपनी पाइपलाइन में अलग से पोस्ट-प्रोसेसिंग करने की जरूरत नहीं पड़ती। आम तौर पर इसका उपयोग तारीखों, समय या इकाइयों को लिखने का तरीका एक जैसा करने, संक्षेपों का विस्तार करने, गैर-ज़रूरी सामग्री हटाने, अलग स्टाइल या टोन लागू करने या ट्रांसक्रिप्ट को फिर से फ़ॉर्मैट करने के लिए किया जाता है।

उदाहरण के लिए, Write all dates in ISO 8601 format (YYYY-MM-DD) निर्देश के साथ वॉइसमेल ट्रांसक्राइब करने पर टेक्स्ट के दोनों वर्ज़न मिलते हैं:

{
  "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."
  }
}

text और words फ़ील्ड हमेशा मूल ट्रांसक्रिप्ट का वर्णन करते हैं। संपादित वर्ज़न अलग से edited_transcript में लौटाया जाता है।

ट्रांसक्रिप्ट एडिटिंग इंटीग्रेट करना

ट्रांसक्रिप्ट एडिटिंग को convert मेथड में transcript_edit पैरामीटर देकर स्पीच टू टेक्स्ट API में इंटीग्रेट किया जाता है। निर्देश 2000 वर्णों तक लंबा हो सकता है।

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)

ट्रांसक्रिप्ट एडिटिंग सिंक्रोनस अनुरोधों और webhook अनुरोधों, दोनों के साथ काम करती है। webhook अनुरोधों में edited_transcript, webhook पेलोड के transcription ऑब्जेक्ट में शामिल होता है।

Scribe v2 Realtime हर कमिट किए गए ट्रांसक्रिप्ट पर इन्हीं निर्देशों को सपोर्ट करता है। रीयलटाइम ट्रांसक्रिप्ट एडिटिंग गाइड देखें।

निर्देश लिखना

निर्देश पूरे ट्रांसक्रिप्ट में जहां भी प्रासंगिक हो, लागू होता है और केवल पहली बार नहीं, बल्कि हर मेल खाने वाली घटना को संपादित किया जाता है। कोई निर्देश खास शब्दों या वाक्यांशों को बदलकर बाकी सब कुछ वैसा ही रख सकता है, या पूरे टेक्स्ट को फिर से लिख या एनोटेट कर सकता है। एक ही निर्देश में कई बदलाव शामिल किए जा सकते हैं।

नीचे दिए गए उदाहरण समर्थित निर्देशों की रेंज दिखाते हैं:

निर्देश	असर
`Write all dates in ISO 8601 format (YYYY-MM-DD)`	`the twelfth of July twenty twenty-six` बदलकर `2026-07-12` हो जाता है
`Write times in 24-hour format`	`half past two in the afternoon` बदलकर `14:30` हो जाता है
`Expand abbreviations such as "ETA" and "ASAP" on first use`	`ETA` बदलकर `estimated time of arrival (ETA)` हो जाता है
`Add the sentiment of every sentence in brackets at the end. Choose from [positive, negative, neutral]`	`Thanks, that was really helpful.` बदलकर `Thanks, that was really helpful. [positive]` हो जाता है
`Redact every curse word with its first letter followed by stars, e.g. s***`	`That was a damn good call.` बदलकर `That was a d*** good call.` हो जाता है
`Format the transcript as a bulleted list, one sentence per bullet`	पूरे ट्रांसक्रिप्ट को फिर से फ़ॉर्मैट करता है

कुछ बदलावों के लिए खास पैरामीटर होते हैं, जो एडिट निर्देश से सस्ते और ज़्यादा अनुमानित होते हैं। खास नामों और शब्दों की पहचान को प्राथमिकता देने के लिए keyterm prompting, फ़िलर शब्दों और असहज बोलने के हिस्सों को हटाने के लिए no_verbatim, और अंकों व शब्दों के बीच चुनने के लिए numbers_format (जहां समर्थित हो) का उपयोग करें। जिन बदलावों को ये विकल्प कवर नहीं करते, उनके लिए ही ट्रांसक्रिप्ट एडिटिंग रखें।

निर्देश लिखते समय इन बातों का ध्यान रखें:

वांछित आउटपुट के बारे में स्पष्ट रहें। Write all dates in ISO 8601 format (YYYY-MM-DD), fix the dates से ज़्यादा भरोसेमंद है।
निर्देश किसी भी भाषा में लिखा जा सकता है, हालांकि अंग्रेज़ी में लिखे निर्देश सबसे अच्छे काम करते हैं। संपादित ट्रांसक्रिप्ट मूल भाषा में ही रहता है।
केवल निर्देश ही लागू किया जाता है। ऑडियो में बोली गई सामग्री को डेटा माना जाता है और वह निर्देश लागू होने का तरीका नहीं बदल सकती।
अगर ट्रांसक्रिप्ट में निर्देश से कुछ भी प्रभावित नहीं होता, तो संपादित ट्रांसक्रिप्ट मूल के समान होता है।

रिस्पॉन्स फ़ॉर्मैट

जब transcript_edit सेट होता है, तो रिस्पॉन्स में edited_transcript ऑब्जेक्ट होता है। उसका kind फ़ील्ड बताता है कि एडिट सफल हुआ या नहीं:

`kind`	फ़ील्ड	विवरण
`transcript`	`text`	संपादित ट्रांसक्रिप्ट। कोई एडिट न होने पर यह मूल `text` के समान होता है।
`error`	`error_type` (`edit_failed`), `message`	एडिट तैयार नहीं किया जा सका। ट्रांसक्रिप्शन सफल रहा और मूल `text` फिर भी लौटाया जाता है।

जब कोई transcript_edit अनुरोध नहीं किया गया हो, तो यह फ़ील्ड मौजूद नहीं होता।

एडिट विफल

{
  "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."
  }
}

इन व्यवहारों का ध्यान रखें:

संपादित ट्रांसक्रिप्ट सादा टेक्स्ट होता है। शब्द-स्तरीय टाइमस्टैंप, स्पीकर लेबल और additional_formats मूल ट्रांसक्रिप्ट का ही वर्णन करते रहते हैं।
एडिट ट्रांसक्रिप्शन पूरा होने के बाद चलता है, इसलिए यह ट्रांसक्रिप्ट की लंबाई के साथ बढ़ने वाली लेटेंसी जोड़ता है।
अतिरिक्त शुल्क अनुरोध के ऑडियो की अवधि पर लागू होता है और हर अनुरोध के लिए कम-से-कम 10 सेकंड का बिल लिया जाता है।

ट्रांसक्रिप्ट एडिटिंग को entity_detection, entity_redaction या use_multi_channel के साथ नहीं जोड़ा जा सकता। इन्हें मिलाने वाले अनुरोध अमान्य पैरामीटर त्रुटि के साथ अस्वीकार कर दिए जाते हैं।

अगले कदम

API रेफरेंस

पूरा स्पीच टू टेक्स्ट API रेफरेंस और पैरामीटर।

Webhooks

webhooks के ज़रिए संपादित ट्रांसक्रिप्ट समेत ट्रांसक्रिप्ट असिंक्रोनस रूप से पाएं।