Транскрипция

От 0.8 кредитов

Преобразуйте видео или аудио в текст с временными метками, распознаванием спикеров и поддержкой более 99 языков.

Видео- или аудиофайл

Нажмите, чтобы загрузить video

или перетащите

или

Обзор библиотеки

Язык

Распознавать спикеров

Определяет, кто говорит в каждый момент. Включите для интервью и записей с несколькими участниками.

Количество спикеров (0 = автоматически)

0 – 20

Исправления слов

Необязательные замены для готовых SRT и TXT. Используйте их, если имя, аббревиатура или термин каждый раз распознаётся одинаково неверно. Ключ — ошибочный вариант из расшифровки, значение — правильное написание. Учитывается регистр, замены применяются только к целым словам. Оставьте поле пустым, чтобы сохранить распознанный текст без изменений.

Осталось заполнить: Видео- или аудиофайл

Работает на

1 модели

ElevenLabs
- ElevenLabs Scribe v2

API Транскрипция

Вызывайте этот пайплайн из своего кода. Один запрос запускает выполнение; модель — это поле ввода, а не отдельный эндпоинт.

Получить API-токен

полей ввода: 5
обязательно: 1
Цены: from 0.8 кредитов

Язык

TypeScript Python Go CLI

bun add @pipe2-ai/sdk

Запустить пайплайн

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

Запустить пайплайн

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

Запустить пайплайн

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

Запустить пайплайн

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

На странице

Ввод	Тип	по умолчанию	Описание
`source_asset_id`обязательно	string	по умолчанию—	Аудио- или видеофайл для расшифровки. Укажите ID файла, полученный после загрузки. Подробнее о загрузке: /docs/api/.
`corrections`	object	по умолчанию{}	Необязательные замены для готовых SRT и TXT. Используйте их, если имя, аббревиатура или термин каждый раз распознаётся одинаково неверно. Ключ — ошибочный вариант из расшифровки, значение — правильное написание. Учитывается регистр, замены применяются только к целым словам. Оставьте поле пустым, чтобы сохранить распознанный текст без изменений.
`diarize`	boolean	по умолчаниюfalse	Определяет, кто говорит в каждый момент. Включите для интервью и записей с несколькими участниками.
`language_code`	enum	по умолчаниюauto	Язык речи. Оставьте поле пустым для автоматического определения по аудио. auto · en · es +8 `autoenesptfrdehiarjakozh`
`num_speakers`	integer	по умолчанию0	Ожидаемое количество говорящих. Оставьте поле пустым для автоматического определения.

Направьте любой MCP-клиент на pipe2, и ваш агент получит эти инструменты. Он найдёт этот пайплайн, прочитает ту же схему выше и запустит его.

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" }
    }
  }
}

Настройка MCP

Полная справка по API Справочник CLI

Рецепты с этим пайплайном

Смотреть все рецепты

Статьи об этом пайплайне

Смотреть все статьи

Часто задаваемые вопросы

Какие форматы поддерживаются?

Поддерживаются распространённые видео- и аудиоформаты, включая MP4, MOV, AVI, MP3, WAV, M4A и FLAC. Для видео звуковая дорожка обрабатывается автоматически.

Насколько точна транскрипция?

Для чистых записей на распространённых языках доля ошибок по словам составляет менее 5 %. Итоговая точность зависит от качества звука, фонового шума и разборчивости речи.

Как работает распознавание спикеров?

Если функция включена, каждый фрагмент помечается именем распознанного спикера, например [speaker_0] или [speaker_1]. Если число участников известно заранее, укажите его для более точного разделения реплик.

Какие языки поддерживаются?

Поддерживается 99 языков с автоматическим определением. Если язык исходной записи известен, лучше указать его явно.

Сколько времени занимает обработка?

Обычно обработка занимает 10–30 % длительности записи. Десятиминутный файл обычно расшифровывается за 1–3 минуты.