Transcrição com IA — ElevenLabs Scribe v2

Voltar aos pipelines

Preencha para gerar

Arquivo de vídeo ou áudio

Clique para enviar video

ou arraste e solte

Explorar biblioteca

Funciona com

1 modelos

ElevenLabs
- ElevenLabs Scribe v2

API do Transcrição

Chame este pipeline a partir do seu próprio código. Um pedido lança uma execução; o modelo é um campo de entrada, não um endpoint separado.

Obter um token de API

entradas: 6
obrigatório: 1
Preços: from 0.8 créditos

Idioma

TypeScript Python Go CLI

bun add @pipe2-ai/sdk

Executar um pipeline

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

Executar um pipeline

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

Executar um pipeline

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

Executar um pipeline

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

Por página

Entrada	Tipo	predefinição	Descrição
`source_asset_id`obrigatório	string	predefinição—	Áudio ou vídeo a transcrever. Use o ID do arquivo retornado pelo upload. Consulte /docs/api/ para ver o processo de envio.
`corrections`	object	predefinição{}	Substituições opcionais aplicadas aos arquivos SRT e TXT, úteis quando um nome, sigla ou termo técnico é transcrito sempre da mesma forma incorreta. Cada chave é a palavra como transcrita; o valor é a grafia correta. Diferencia maiúsculas de minúsculas; as substituições só são feitas em palavras inteiras. Deixe vazio para entregar a transcrição exatamente como o reconhecedor a escreveu.
`diarize`	boolean	predefiniçãofalse	Identifica quem está falando. Ative em entrevistas e gravações com mais de uma pessoa.
`force_refresh`	boolean	predefiniçãofalse	Ignora uma transcrição guardada e executa novamente o reconhecimento de voz.
`language_code`	enum	predefiniçãoauto	Idioma falado. Deixe em branco para detectar automaticamente pelo áudio. auto · en · es +8 `autoenesptfrdehiarjakozh`
`num_speakers`	integer	predefinição0	Número esperado de pessoas falando. Deixe em branco para detectar automaticamente.

Aponte qualquer cliente MCP para o pipe2 e o seu agente ganha estas ferramentas. Ele encontra este pipeline, lê o mesmo esquema acima e executa-o.

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" }
    }
  }
}

Configuração de MCP

Referência completa da API Referência da CLI

Receitas que usam este pipeline

Ver todas as receitas

Artigos sobre este pipeline

Ver todos os artigos

Perguntas frequentes

Quais formatos de arquivo são suportados?

Qualquer arquivo de vídeo ou áudio, MP4, MOV, AVI, MP3, WAV, M4A, FLAC e outros. Nos arquivos de vídeo, a faixa de áudio é extraída automaticamente.

Quão precisa é a transcrição?

Taxa de erro por palavra abaixo de 5% para áudio nítido nos idiomas principais. A precisão depende da qualidade do áudio, do ruído de fundo e da clareza de quem fala.

O que é a detecção de quem fala?

Quando ativada, a transcrição identifica cada segmento com o locutor que o disse ([speaker_0], [speaker_1], etc.). Informe o número de falantes para melhorar a precisão quando você souber quantas pessoas há na gravação.

Quais idiomas são suportados?

99 idiomas com detecção automática. Defina um idioma específico para obter a melhor precisão quando você souber o idioma de origem.

Quanto tempo leva?

Normalmente de 10% a 30% da duração do áudio. Uma gravação de 10 minutos leva de 1 a 3 minutos para ser transcrita.