Edycja transkrypcji

Przegląd

Transkrypcja w czasie rzeczywistym może stosować instrukcję edycji w języku naturalnym do każdej zatwierdzonej transkrypcji, na przykład aby zapisywać wypowiedziane daty w stałym formacie lub rozwijać skróty i akronimy. Instrukcja jest przekazywana raz przy otwieraniu połączenia, a po każdej zatwierdzonej transkrypcji wysyłane jest osobne zdarzenie edited_transcript z edytowanym tekstem.

Częściowe transkrypcje nigdy nie są edytowane. Zdarzenie committed_transcript również się nie zmienia, więc istniejące integracje nadal działają po włączeniu tej funkcji.

Włączanie edycji transkrypcji

Przekaż instrukcję w opcji transcriptEdit podczas łączenia (parametr zapytania transcript_edit w WebSocket API). Instrukcja może mieć do 2000 znaków. Wskazówki dotyczące pisania instrukcji znajdziesz w przewodniku po edycji transkrypcji batch.

We wszystkich SDK edytowane transkrypcje są dostarczane przez zdarzenie RealtimeEvents.EDITED_TRANSCRIPT.

Po stronie klienta

Użyj @elevenlabs/client w przeglądarce z tokenem jednorazowym wydanym przez serwer, zgodnie z opisem w przewodniku po strumieniowaniu po stronie klienta.

import { Scribe, RealtimeEvents } from "@elevenlabs/client";
// Fetch a single-use token from your server first
const response = await fetch("/scribe-token", yourAuthHeaders);
const { token } = await response.json();
const connection = Scribe.connect({
  token,
  modelId: "scribe_v2_realtime",
  transcriptEdit: "Write all dates in ISO 8601 format (YYYY-MM-DD)",
  microphone: {
    echoCancellation: true,
    noiseSuppression: true,
  },
});
connection.on(RealtimeEvents.COMMITTED_TRANSCRIPT, (data) => {
  console.log("Committed:", data.text);
});
connection.on(RealtimeEvents.EDITED_TRANSCRIPT, (data) => {
  console.log("Edited:", data.edited_text);
});

Po stronie serwera

Użyj oficjalnego SDK na serwerze, zgodnie z opisem w przewodniku po strumieniowaniu po stronie serwera. Od tego przewodnika różnią się tylko opcja i obsługa zdarzenia; wysyłanie audio oraz zamykanie połączenia działają tak samo.

import asyncio
import os
from dotenv import load_dotenv
from elevenlabs import AudioFormat, ElevenLabs, RealtimeAudioOptions, RealtimeEvents
load_dotenv()
async def main():
    elevenlabs = ElevenLabs(api_key=os.getenv("ELEVENLABS_API_KEY"))
    connection = await elevenlabs.speech_to_text.realtime.connect(RealtimeAudioOptions(
        model_id="scribe_v2_realtime",
        audio_format=AudioFormat.PCM_16000,
        sample_rate=16000,
        transcript_edit="Write all dates in ISO 8601 format (YYYY-MM-DD)",
    ))
    def on_committed_transcript(data):
        print(f"Committed: {data.get('text', '')}")
    def on_edited_transcript(data):
        print(f"Edited: {data.get('edited_text', '')}")
    connection.on(RealtimeEvents.COMMITTED_TRANSCRIPT, on_committed_transcript)
    connection.on(RealtimeEvents.EDITED_TRANSCRIPT, on_edited_transcript)
    # Send audio chunks as shown in the server-side streaming guide, then close.
    await connection.close()
if __name__ == "__main__":
    asyncio.run(main())

Odbieranie edytowanych transkrypcji

Po włączeniu tej funkcji po każdej zatwierdzonej transkrypcji wysyłane jest zdarzenie edited_transcript zawierające zatwierdzony tekst i jego edytowaną wersję:

{
  "message_type": "edited_transcript",
  "text": "our next meeting is on the twelfth of July twenty twenty-six",
  "edited_text": "our next meeting is on 2026-07-12"
}

Ważne informacje:

• Edycje są stosowane dla każdego zatwierdzonego segmentu. Zdarzenie edited_transcript jest wysyłane krótko po odpowiadającym mu zdarzeniu committed_transcript, ponieważ edycja działa asynchronicznie. Może dotrzeć po kolejnej częściowej transkrypcji, a edycje kolejnych segmentów mogą dotrzeć w innej kolejności. Użyj pola text, aby dopasować edycję do zatwierdzonej transkrypcji.
• Jeśli w segmencie nie wprowadzono zmian, edited_text jest identyczne z text.
• Jeśli nie można utworzyć edycji segmentu, nie jest dla niego wysyłane zdarzenie edited_transcript. Zdarzenie committed_transcript pozostaje bez zmian.
• Znaczniki czasu na poziomie słów w committed_transcript_with_timestamps opisują oryginalny zatwierdzony tekst, a nie tekst po edycji.

Kolejne kroki