Transkription

Ab 0.8 Credits

Wandeln Sie Video- oder Audiodateien in Text um – mit Zeitstempeln, optionaler Sprechererkennung und Unterstützung für 99 Sprachen.

Video- oder Audiodatei

Zum Hochladen klicken video

oder per Drag & Drop

oder

Bibliothek durchsuchen

Sprache

Sprechererkennung

Kennzeichnet, wer jeweils spricht. Aktivieren Sie diese Option für Interviews und Aufnahmen mit mehreren Personen.

Anzahl der Sprecher (0 = automatisch)

0 – 20

Wortkorrekturen

Optionale Ersetzungen, die auf ganze Wörter im erzeugten SRT- und TXT-Transkript angewendet werden. Das ist hilfreich, wenn ein Name, Akronym oder Fachbegriff wiederholt gleich falsch erkannt wird. Verwenden Sie als Schlüssel die transkribierte Form und als Wert die korrekte Schreibweise. Groß- und Kleinschreibung werden berücksichtigt. Leer lassen, um den erkannten Wortlaut unverändert auszugeben.

Noch erforderlich: Video- oder Audiodatei

Läuft mit

1 modelle

ElevenLabs
- ElevenLabs Scribe v2

Transkription API

Rufen Sie diese Pipeline aus Ihrem eigenen Code auf. Eine Anfrage startet einen Lauf; das Modell ist ein Eingabefeld, kein eigener Endpunkt.

API-Token holen

Eingaben: 5
erforderlich: 1
Preise: from 0.8 Credits

Sprache

TypeScript Python Go CLI

bun add @pipe2-ai/sdk

Pipeline ausführen

import { createClient } from "@pipe2-ai/sdk";

const client = createClient(process.env.PIPE2_TOKEN!);

const { run_pipeline } = await client.RunPipeline({
  pipeline_slug: "transcription",
  input: {
    source_asset_id: "a1b2c3d4-0000-4000-8000-000000000001",
  },
});

pip install pipe2

Pipeline ausführen

import asyncio
import os

from pipe2 import Pipe2Client

client = Pipe2Client(token=os.environ["PIPE2_TOKEN"])

run = asyncio.run(client.run_pipeline(
    pipeline_slug="transcription",
    input={
        "source_asset_id": "a1b2c3d4-0000-4000-8000-000000000001",
    },
))

go get github.com/pipe2-ai/sdk-go

Pipeline ausführen

client := pipe2.NewClient(os.Getenv("PIPE2_TOKEN"))

input := json.RawMessage(`{
  "source_asset_id": "a1b2c3d4-0000-4000-8000-000000000001"
}`)

run, err := pipe2.RunPipeline(context.Background(), client, "transcription", input)
if err != nil {
    log.Fatal(err)
}

brew install pipe2-ai/tap/pipe2

Pipeline ausführen

pipe2 pipelines run \
  --pipeline transcription \
  --input-json '{"source_asset_id": "a1b2c3d4-0000-4000-8000-000000000001"}' \
  --wait

Pro Seite

Eingabe	Typ	Standard	Beschreibung
`source_asset_id`erforderlich	string	Standard—	Audio- oder Videodatei, die transkribiert werden soll. Verwenden Sie die Asset-ID, die Sie nach dem Upload erhalten. Hinweise zum Upload finden Sie unter /docs/api/.
`corrections`	object	Standard{}	Optionale Ersetzungen, die auf ganze Wörter im erzeugten SRT- und TXT-Transkript angewendet werden. Das ist hilfreich, wenn ein Name, Akronym oder Fachbegriff wiederholt gleich falsch erkannt wird. Verwenden Sie als Schlüssel die transkribierte Form und als Wert die korrekte Schreibweise. Groß- und Kleinschreibung werden berücksichtigt. Leer lassen, um den erkannten Wortlaut unverändert auszugeben.
`diarize`	boolean	Standardfalse	Kennzeichnet, wer jeweils spricht. Aktivieren Sie diese Option für Interviews und Aufnahmen mit mehreren Personen.
`language_code`	enum	Standardauto	Gesprochene Sprache. Lassen Sie das Feld leer, um sie automatisch aus der Audiospur zu erkennen. auto · en · es +8 `autoenesptfrdehiarjakozh`
`num_speakers`	integer	Standard0	Erwartete Anzahl der Sprecher. Lassen Sie das Feld leer, um sie automatisch ermitteln zu lassen.

Richten Sie einen beliebigen MCP-Client auf pipe2 aus, und Ihr Agent erhält diese Tools. Er findet diese Pipeline, liest dasselbe Schema von oben und führt sie aus.

list_pipelines
get_pipeline_schema
run_pipeline
get_pipeline_run_status
request_upload

https://mcp.pipe2.ai/mcp

{
  "mcpServers": {
    "pipe2ai": {
      "url": "https://mcp.pipe2.ai/mcp",
      "headers": { "Authorization": "Bearer YOUR_TOKEN" }
    }
  }
}

MCP-Einrichtung

Vollständige API-Referenz CLI-Referenz

Rezepte mit dieser Pipeline

Alle Rezepte ansehen

Artikel zu dieser Pipeline

Alle Artikel ansehen

Häufig gestellte Fragen

Welche Dateiformate werden unterstützt?

Unterstützt werden gängige Video- und Audioformate wie MP4, MOV, AVI, MP3, WAV, M4A und FLAC. Bei Videos wird die Tonspur automatisch verarbeitet.

Wie genau ist die Transkription?

Bei klaren Aufnahmen in verbreiteten Sprachen liegt die Wortfehlerrate unter 5 %. Die tatsächliche Genauigkeit hängt von Tonqualität, Hintergrundgeräuschen und Aussprache ab.

Wie funktioniert die Sprechererkennung?

Ist die Funktion aktiviert, wird jeder Abschnitt mit der erkannten Person gekennzeichnet, etwa [speaker_0] oder [speaker_1]. Wenn du die Zahl der Beteiligten kennst, kannst du sie angeben und damit die Zuordnung verbessern.

Welche Sprachen werden unterstützt?

Unterstützt werden 99 Sprachen mit automatischer Erkennung. Wenn du die Ausgangssprache kennst, solltest du sie für die bestmögliche Genauigkeit festlegen.

Wie lange dauert die Transkription?

Meist dauert die Verarbeitung 10–30 % der Aufnahmelänge. Eine 10-minütige Aufnahme ist typischerweise nach 1–3 Minuten transkribiert.