Transcriptie | ElevenLabs Documentation

Overzicht

De Speech to Text (STT) API van ElevenLabs zet gesproken audio met state-of-the-art nauwkeurigheid om in tekst. Ons Scribe v2-model past zich aan tekstuele aanwijzingen aan in meer dan 90 talen en verschillende spreekstijlen. Bezoek onze showcasepagina voor Speech to Text om een live demo te proberen.

Producten

Stapsgewijze handleiding voor het gebruik van speech to text in ElevenLabs.

Ontwikkelaars

Leer hoe je de speech to text-API in je applicatie integreert.

Realtime speech to text

Leer hoe je met ElevenLabs audio realtime transcribeert met WebSockets.

API-referentie

Volledige API-referentie voor het Speech to Text-endpoint.

Bedrijven die HIPAA-naleving vereisen, moeten contact opnemen met ElevenLabs Sales om een Business Associate Agreement (BAA) te ondertekenen. Zorg dat je deze stap afrondt voordat je doorgaat met integraties of implementaties die verband houden met HIPAA.

Modellen

Scribe v2

Toonaangevend model voor spraakherkenning

Nauwkeurige transcriptie in meer dan 90 talen

Keyterm-prompting, tot 1000 termen

Entiteitsdetectie, 65 entiteitstypen

Transcript bewerken met instructies in natuurlijke taal

Nauwkeurige tijdstempels op woordniveau

Sprekerdiarisatie, tot 32 sprekers

Dynamische audiotagging

Slimme taaldetectie

Scribe v2 Realtime

Realtime model voor spraakherkenning

Nauwkeurige transcriptie in meer dan 90 talen

Transscriptie in realtime

Lage latentie (~150ms†)

Nauwkeurige tijdstempels op woordniveau

Entiteitsdetectie, 65 entiteitstypen

Transcript bewerken met instructies in natuurlijke taal

Scribe v2 Medical

Spraakherkenning gefinetuned voor klinische audio

35% minder transcriptiefouten bij klinische audio dan Scribe v2

Dezelfde nauwkeurigheid bij alledaagse spraak als Scribe v2

Dezelfde functies, talen, prijzen en API als Scribe v2

Alles bekijken

Voorbeeld van API-response

Het volgende voorbeeld toont de output van de Speech to Text API met het Scribe v2-model voor een voorbeeldaudiobestand.

Volledige JSON-response bekijken

{
  "language_code": "en",
  "language_probability": 1,
  "text": "With a soft and whispery American accent, I'm the ideal choice for creating ASMR content, meditative guides, or adding an intimate feel to your narrative projects.",
  "words": [
    {
      "text": "With",
      "start": 0.119,
      "end": 0.259,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 0.239,
      "end": 0.299,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "a",
      "start": 0.279,
      "end": 0.359,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 0.339,
      "end": 0.499,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "soft",
      "start": 0.479,
      "end": 1.039,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 1.019,
      "end": 1.2,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "and",
      "start": 1.18,
      "end": 1.359,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 1.339,
      "end": 1.44,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "whispery",
      "start": 1.419,
      "end": 1.979,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 1.959,
      "end": 2.179,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "American",
      "start": 2.159,
      "end": 2.719,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 2.699,
      "end": 2.779,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "accent,",
      "start": 2.759,
      "end": 3.389,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 4.119,
      "end": 4.179,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "I'm",
      "start": 4.159,
      "end": 4.459,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 4.44,
      "end": 4.52,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "the",
      "start": 4.5,
      "end": 4.599,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 4.579,
      "end": 4.699,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "ideal",
      "start": 4.679,
      "end": 5.099,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 5.079,
      "end": 5.219,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "choice",
      "start": 5.199,
      "end": 5.719,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 5.699,
      "end": 6.099,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "for",
      "start": 6.099,
      "end": 6.199,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 6.179,
      "end": 6.279,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "creating",
      "start": 6.259,
      "end": 6.799,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 6.779,
      "end": 6.979,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "ASMR",
      "start": 6.959,
      "end": 7.739,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 7.719,
      "end": 7.859,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "content,",
      "start": 7.839,
      "end": 8.45,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 9,
      "end": 9.06,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "meditative",
      "start": 9.04,
      "end": 9.64,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 9.619,
      "end": 9.699,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "guides,",
      "start": 9.679,
      "end": 10.359,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 10.359,
      "end": 10.409,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "or",
      "start": 11.319,
      "end": 11.439,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 11.42,
      "end": 11.52,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "adding",
      "start": 11.5,
      "end": 11.879,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 11.859,
      "end": 12,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "an",
      "start": 11.979,
      "end": 12.079,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 12.059,
      "end": 12.179,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "intimate",
      "start": 12.179,
      "end": 12.579,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 12.559,
      "end": 12.699,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "feel",
      "start": 12.679,
      "end": 13.159,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 13.139,
      "end": 13.179,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "to",
      "start": 13.159,
      "end": 13.26,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 13.239,
      "end": 13.3,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "your",
      "start": 13.299,
      "end": 13.399,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 13.379,
      "end": 13.479,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "narrative",
      "start": 13.479,
      "end": 13.889,
      "type": "word",
      "speaker_id": "speaker_0"
    },
    {
      "text": " ",
      "start": 13.919,
      "end": 13.939,
      "type": "spacing",
      "speaker_id": "speaker_0"
    },
    {
      "text": "projects.",
      "start": 13.919,
      "end": 14.779,
      "type": "word",
      "speaker_id": "speaker_0"
    }
  ]
}

De output wordt ingedeeld in drie categorietypen:

word - Een woord in de taal van de audio
spacing - De ruimte tussen woorden; niet van toepassing op talen zonder spaties, zoals Japans, Mandarijn, Thais, Laotiaans, Birmaans en Kantonees
audio_event - Niet-spraakgeluiden zoals gelach of applaus

Gelijktijdigheid en prioriteit

Gelijktijdigheid is het aantal requests dat tegelijk kan worden verwerkt.

Voor Speech to Text worden bestanden langer dan 8 minuten intern parallel getranscribeerd om de verwerking te versnellen. De audio wordt opgesplitst in vier segmenten die gelijktijdig worden getranscribeerd.

Je kunt de gelijktijdigheidslimiet met de volgende berekening bepalen:

Concurrency = \min(4, \text{round\_up}(\frac{\text{audio\_duration\_secs}}{480}))

Zo wordt een audiobestand van 15 minuten getranscribeerd met een gelijktijdigheid van 2, terwijl een audiobestand van 120 minuten wordt getranscribeerd met een gelijktijdigheid van 4.

De bovenstaande berekening is alleen van toepassing op Scribe v2 en Scribe v2 Medical. Zie voor Scribe v2 Realtime de grafiek met gelijktijdigheidslimieten.

Geavanceerde functies

Keyterm prompting en transcriptbewerking brengen extra kosten met zich mee. Bekijk de API-prijspagina voor gedetailleerde prijsinformatie.

Keyterm prompting

Keyterm prompting is beschikbaar met Scribe v2, Scribe v2 Medical (batch) en Scribe v2 Realtime.

Markeer woorden of zinnen om het model te sturen bij het transcriberen ervan. Dit is handig voor het transcriberen van specifieke woorden of zinnen die niet vaak in de audio voorkomen, zoals productnamen, namen of andere specifieke termen. Keyterms zijn krachtiger dan bevooroordeelde keywords of aangepaste woordenlijsten die andere modellen bieden, omdat het model op de context vertrouwt om te bepalen of die term al dan niet moet worden getranscribeerd. Batch ondersteunt maximaal 1000 keyterms (elk 50 tekens) en realtime ondersteunt maximaal 50 keyterms (elk 20 tekens).

Lees de documentatie over keyterm prompting voor meer informatie over het gebruik ervan.

No verbatim-modus

De no verbatim-modus is beschikbaar met Scribe v2, Scribe v2 Medical (batch) en Scribe v2 Realtime.

Wanneer no_verbatim is ingeschakeld, verwijdert het model stopwoorden, valse starts en haperingen uit het transcript. Dit zorgt voor een nettere output die geschikt is voor ondertiteling, samenvattingen of andere toepassingen waarbij leesbaarheid belangrijker is dan elk gesproken woord vastleggen.

Entiteitsdetectie

Entiteitsdetectie is beschikbaar met alle batchmodellen en Scribe v2 Realtime.

Batchmodellen en Scribe v2 Realtime kunnen verschillende categorieën entiteiten in het transcript detecteren en hun exacte tijdstempels geven. Dit is handig om creditcardnummers, namen, medische aandoeningen of BSN’s te markeren.

Bekijk de documentatie over entiteitsdetectie voor een volledige lijst van ondersteunde entiteiten.

Transcriptbewerking

Transcriptbewerking is een experimentele functie die beschikbaar is met alle batchmodellen en Scribe v2 Realtime.

Geef een instructie in natuurlijke taal mee met de parameter transcript_edit; deze wordt toegepast op het voltooide transcript. De bewerkte tekst wordt teruggestuurd in edited_transcript naast het oorspronkelijke transcript, zodat tijdstempels en sprekerlabels intact blijven. Dit is handig om de schrijfwijze van datums, tijden of eenheden te normaliseren, een andere stijl toe te passen of het transcript in één request te herschrijven.

Lees voor meer informatie de documentatie over transcriptbewerking en de handleiding voor realtime transcriptbewerking.

Ondersteunde talen

Scribe v2 ondersteunt meer dan 90 talen, waaronder:

Afrikaans (afr), Amhaars (amh), Arabisch (ara), Armeens (hye), Assamees (asm), Asturisch (ast), Azerbeidzjaans (aze), Belarussisch (bel), Bengaals (ben), Bosnisch (bos), Bulgaars (bul), Birmaans (mya), Kantonees (yue), Catalaans (cat), Cebuano (ceb), Chichewa (nya), Kroatisch (hrv), Tsjechisch (ces), Deens (dan), Nederlands (nld), Engels (eng), Estisch (est), Filipijns (fil), Fins (fin), Frans (fra), Fula (ful), Galicisch (glg), Ganda (lug), Georgisch (kat), Duits (deu), Grieks (ell), Gujarati (guj), Hausa (hau), Hebreeuws (heb), Hindi (hin), Hongaars (hun), IJslands (isl), Igbo (ibo), Indonesisch (ind), Iers (gle), Italiaans (ita), Japans (jpn), Javaans (jav), Kabuverdianu (kea), Kannada (kan), Kazachs (kaz), Khmer (khm), Koreaans (kor), Koerdisch (kur), Kirgizisch (kir), Laotiaans (lao), Lets (lav), Lingala (lin), Litouws (lit), Luo (luo), Luxemburgs (ltz), Macedonisch (mkd), Maleis (msa), Malayalam (mal), Maltees (mlt), Mandarijn-Chinees (zho), Māori (mri), Marathi (mar), Mongools (mon), Nepalees (nep), Noord-Sotho (nso), Noors (nor), Occitaans (oci), Odia (ori), Pasjtoe (pus), Perzisch (fas), Pools (pol), Portugees (por), Punjabi (pan), Roemeens (ron), Russisch (rus), Servisch (srp), Shona (sna), Sindhi (snd), Singalees (sin), Slowaaks (slk), Sloveens (slv), Somalisch (som), Spaans (spa), Swahili (swa), Zweeds (swe), Tamil (tam), Tadzjieks (tgk), Telugu (tel), Thais (tha), Turks (tur), Oekraïens (ukr), Umbundu (umb), Urdu (urd), Oezbeeks (uzb), Vietnamees (vie), Welsh (cym), Wolof (wol), Xhosa (xho) en Zoeloe (zul).

Overzicht van taalondersteuning

Word Error Rate (WER) is een belangrijke meetwaarde voor het beoordelen van de nauwkeurigheid van transcriptiesystemen. Deze meet hoeveel fouten een transcript bevat ten opzichte van een referentietranscript. Hieronder vind je een overzicht van de WER voor elke taal die Scribe v2 ondersteunt.

Uitstekend (≤ 5% WER)

Wit-Russisch (bel), Bosnisch (bos), Bulgaars (bul), Catalaans (cat), Kroatisch (hrv), Tsjechisch (ces), Deens (dan), Nederlands (nld), Engels (eng), Estisch (est), Fins (fin), Frans (fra), Galicisch (glg), Duits (deu), Grieks (ell), Hongaars (hun), IJslands (isl), Indonesisch (ind), Italiaans (ita), Japans (jpn), Kannada (kan), Lets (lav), Macedonisch (mkd), Maleis (msa), Malayalam (mal), Noors (nor), Pools (pol), Portugees (por), Roemeens (ron), Russisch (rus), Slowaaks (slk), Spaans (spa), Zweeds (swe), Turks (tur), Oekraïens (ukr) en Vietnamees (vie).

Hoge nauwkeurigheid (>5% tot ≤10% WER)

Armeens (hye), Azerbeidzjaans (aze), Bengaals (ben), Kantonees (yue), Filipijns (fil), Georgisch (kat), Gujarati (guj), Hindi (hin), Kazachs (kaz), Litouws (lit), Maltees (mlt), Mandarijn (cmn), Marathi (mar), Nepalees (nep), Odia (ori), Perzisch (fas), Servisch (srp), Sloveens (slv), Swahili (swa), Tamil (tam) en Telugu (tel)

Goed (>10% tot ≤20% WER)

Afrikaans (afr), Arabisch (ara), Assamees (asm), Asturisch (ast), Birmaans (mya), Hausa (hau), Hebreeuws (heb), Javaans (jav), Koreaans (kor), Kirgizisch (kir), Luxemburgs (ltz), Māori (mri), Occitaans (oci), Punjabi (pan), Tadzjieks (tgk), Thais (tha), Oezbeeks (uzb) en Welsh (cym).

Gemiddeld (>25% tot ≤50% WER)

Amhaars (amh), Ganda (lug), Igbo (ibo), Iers (gle), Khmer (khm), Koerdisch (kur), Laotiaans (lao), Mongools (mon), Noord-Sotho (nso), Pasjtoe (pus), Shona (sna), Sindhi (snd), Singalees (sin), Somalisch (som), Urdu (urd), Wolof (wol), Xhosa (xho), Yoruba (yor) en Zoeloe (zul).

Veelgestelde vragen

Kan ik de speech to text-API gebruiken met videobestanden?

Ja, de API ondersteunt het uploaden van zowel audio- als videobestanden voor transcriptie.

Wat zijn de limieten voor bestandsgrootte en duur in de Speech to Text API?

Bestanden tot 3 GB worden ondersteund. De maximale duur hangt af van de transcriptiemodus:

Standaardmodus (use_multi_channel=false): Maximaal 10 uur
Multichannelmodus (use_multi_channel=true): De gecombineerde duur van alle kanalen moet minder dan 10 uur zijn

Welke audio- en videoformaten worden ondersteund in de API?

De API ondersteunt de volgende audio- en videoformaten:

audio/aac
audio/x-aac
audio/x-aiff
audio/ogg
audio/mpeg
audio/mp3
audio/mpeg3
audio/x-mpeg-3
audio/opus
audio/wav
audio/x-wav
audio/webm
audio/flac
audio/x-flac
audio/mp4
audio/aiff
audio/x-m4a

Ondersteunde videoformaten zijn onder andere:

video/mp4
video/x-msvideo
video/x-matroska
video/quicktime
video/x-ms-wmv
video/x-flv
video/webm
video/mpeg
video/3gpp

Wanneer ondersteunen jullie meer talen?

ElevenLabs breidt het aantal talen dat door onze modellen wordt ondersteund voortdurend uit. Kom regelmatig terug voor updates.

Ondersteunt de speech to text-API webhooks?

Ja, asynchrone transcriptieresultaten kunnen worden verzonden naar webhooks die zijn geconfigureerd in de webhookinstellingen in de UI. Lees meer in het webhooks-cookbook.

Wordt een multichannel-transcriptiemodus ondersteund in de API?

Ja, met de multichannel-STT-functie kun je audio transcriberen waarbij elk kanaal onafhankelijk wordt verwerkt en op basis van het kanaalnummer een spreker-ID krijgt toegewezen. Deze functie ondersteunt maximaal 5 kanalen. Lees meer in het cookbook voor multichannel-transcriptie.

Hoe werkt facturering voor de speech to text-API?

ElevenLabs rekent voor speech to text op basis van de duur van de audio die voor transcriptie wordt verzonden. Facturering wordt per uur audio berekend, met tarieven die per niveau en model verschillen. Bekijk de API-prijspagina voor gedetailleerde prijsinformatie.

Stilte telt mee voor de gefactureerde duur. Zowel batch- als realtime transcriptie wordt gemeten voor elke seconde audio die je verstuurt, inclusief pauzes en stille passages. Er geldt geen korting voor stilte.

Belangrijke feiten

Ondersteunde invoer: Audio- en videobestanden worden beide geaccepteerd
Maximale bestandsgrootte: 3 GB
Maximale duur: 10 uur (standaardmodus), 1 uur (multichannelmodus)
Multichannelmodus: Maximaal 5 kanalen; elk wordt onafhankelijk verwerkt met een spreker-ID die is toegewezen op basis van het kanaalnummer
Webhooks: Asynchrone transcriptieresultaten kunnen aan een webhook worden geleverd — configureer dit in de workspace-instellingen
Ondersteunde audioformaten: AAC, AIFF, OGG, MP3, OPUS, WAV, FLAC, M4A, WebM
Ondersteunde videoformaten: MP4, AVI, MKV, MOV, WMV, FLV, WebM, MPEG, 3GPP