Fish Audio: Fish Transcribe-1

Fish Transcribe-1 chuyển đổi tệp âm thanh được tải lên thành văn bản với các phân đoạn thời gian. Nó hữu ích cho các bài phát biểu được ghi âm, quy trình phiên âm và các ứng dụng cần bản ghi cùng với thời lượng được báo cáo của âm thanh.

So sánh mô hình

fish-transcribe-1

Sẵn sàngFish AudioChuyển đổi giọng nói thành văn bảnĐồng bộ

Giá: Từ $0.0001
Phương thức: Âm thanh

Về Fish Transcribe-1

Fish Transcribe-1 là mô hình chuyển đổi giọng nói thành văn bản tổng quát của Fish Audio dành cho các bản ghi âm ngắn. Bạn tải lên một tệp âm thanh và nhận lại bản ghi, thời lượng của bản ghi và các phân đoạn theo thời gian ở cấp độ từ ngữ khi được yêu cầu. Ngôn ngữ được phát hiện tự động, với gợi ý tùy chọn. Nó nằm cùng phân khúc với Transcribe-1 Pro, mô hình mà Fish Audio khuyến nghị cho các cuộc hội thoại dài, nhiều người nói với các tín hiệu cảm xúc.

Ưu điểm

Các phản hồi bao gồm thời lượng được báo cáo của âm thanh cùng với văn bản, giúp ích cho việc kiểm tra thanh toán và căn chỉnh phụ đề.
Thời gian bắt đầu và kết thúc ở cấp độ từ ngữ khả dụng khi bạn yêu cầu dấu thời gian, vì vậy một bản ghi có thể được cắt thành các phụ đề.
Tệp gốc được gửi nguyên trạng: WAV, MP3, AAC, FLAC, Ogg, WebM/Matroska hoặc MOV không cần chuyển đổi trước.
Ngôn ngữ được phát hiện tự động, vì vậy các lô bản ghi hỗn hợp không cần chỉ định ngôn ngữ cho từng tệp.

Khi nào nên chọn model khác

Fish Audio định vị mô hình này cho các bản ghi ngắn; âm thanh nhiều người nói hoặc dài sẽ được xử lý tốt hơn bởi Transcribe-1 Pro, với các đánh dấu người nói và tín hiệu cảm xúc.
Nó hoạt động trên các tệp đã tải lên, vì vậy các luồng micrô trực tiếp cần một mô hình chuyển đổi giọng nói thành văn bản thời gian thực.
Các định dạng như AIFF, CAF, WMA, AMR và PCM thô không được chấp nhận và phải được chuyển đổi trước khi tải lên.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.

Gửi yêu cầu đầu tiên của bạn

Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.

Giọng nói sang văn bảnĐiểm cuối TokenLab

POST/v1/audio/transcriptions

curl -X POST "https://api.tokenlab.sh/v1/audio/transcriptions" \
  -H "Authorization: Bearer sk-xxx" \
  -F file="@audio.mp3" \
  -F operation="stt" \
  -F response_format="json" \
  -F model="fish-transcribe-1" \
  -F language="en"

Tham số

Giọng nói sang văn bản

Tham số	Giá trị và giới hạn	Mặc định	Ghi chú
`file`	Số đầu vào: ≥ 1, ≤ 1	Chưa cung cấp	Send one audio file in multipart/form-data. Maximum file size is 25 MiB.
`response_format`	json	`json`	Chưa cung cấp

Giá

Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.

Giọng nói sang văn bản

mỗi giây

Giá Official: $0.0001
Giá Verified: —
Giảm giá: —

	Giá Officialmỗi giây	Giá Verifiedmỗi giây	Giảm giá
Giọng nói sang văn bản	$0.0001	—	—

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 02:01 15 thg 11, 2026 UTC

Các chỉ số sẽ xuất hiện sau khi đạt ngưỡng về quyền riêng tư và khối lượng dữ liệu.

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở Fish Transcribe-1 trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử fish-transcribe-1 với yêu cầu âm thanh ngắn tại /v1/audio/transcriptions. Hiển thị kết quả và chi phí.

Tình huống sử dụng

Chuyển đổi tin nhắn thoại
Chuyển đổi các ghi chú thoại ngắn, đoạn trích cuộc gọi hỗ trợ và bản ghi nhớ thành văn bản có thể tìm kiếm được kèm theo thời lượng.
Bản nháp phụ đề
Yêu cầu thời gian từ ngữ cho một đoạn clip ngắn và nhóm chúng thành các dòng phụ đề để đánh giá.
Biểu mẫu tiếp nhận bằng giọng nói
Chuyển đổi các câu trả lời bằng giọng nói từ ứng dụng di động và chuyển văn bản sang một mô hình điền vào các trường có cấu trúc.
Lưu trữ đa ngôn ngữ
Chạy các clip bằng các ngôn ngữ khác nhau qua một điểm cuối và dựa vào tính năng phát hiện ngôn ngữ tự động.

Ví dụ prompt

Chuyển đổi bản ghi nhớ thoại 40 giây này và trả về dấu thời gian cấp độ từ ngữ để tôi có thể tạo phụ đề.

Chuyển đổi thư thoại của khách hàng được đính kèm sang ngôn ngữ gốc và cho tôi biết tổng thời lượng của bản ghi.

Chuyển đổi tệp MP3 của một đoạn tường thuật giới thiệu sản phẩm ngắn này thành văn bản; người nói có thể chuyển đổi giữa tiếng Anh và tiếng Quan Thoại.

FAQ

Sự khác biệt giữa Fish Transcribe-1 và Transcribe-1 Pro là gì?

Transcribe-1 dành cho việc chuyển đổi tổng quát các bản ghi ngắn. Transcribe-1 Pro là mô hình Fish Audio khuyến nghị cho các bản ghi lên đến 60 phút, các cuộc hội thoại nhiều người nói và các bản ghi có đánh dấu người nói và tín hiệu cảm xúc. Hãy chọn Pro khi bạn cần biết ai đã nói gì.

Fish Transcribe-1 trả về những gì?

Văn bản, thời lượng tính bằng giây và ID yêu cầu. Nếu bạn yêu cầu dấu thời gian, nó cũng trả về các phân đoạn cấp độ từ ngữ, mỗi phân đoạn bao gồm văn bản, thời gian bắt đầu và kết thúc.

Tôi có thể tải lên những định dạng âm thanh nào?

Fish Audio chấp nhận các tệp WAV, MP3, AAC, FLAC, Ogg, WebM/Matroska và MOV, được gửi dưới dạng byte gốc. Đối với các container video, nó sử dụng bản âm thanh đầu tiên. AIFF, CAF, WMA, AMR và PCM thô không được hỗ trợ.

Tôi có cần cho nó biết ngôn ngữ không?

Không. Fish Audio phát hiện ngôn ngữ tự động và phản hồi bao gồm ngôn ngữ được phát hiện khi xác định được. Một gợi ý ngôn ngữ tùy chọn tồn tại cho các trường hợp việc phát hiện có thể không chắc chắn, chẳng hạn như các clip rất ngắn hoặc ồn ào.

Nó có thể chuyển đổi âm thanh trực tiếp không?

Không. Mô hình này xử lý tệp đã tải lên và trả về bản ghi sau khi xử lý. Đối với phụ đề trực tiếp hoặc các tác nhân giọng nói cần phản ứng trong khi ai đó đang nói, hãy chọn một mô hình được xây dựng cho nhận dạng luồng (streaming recognition).

Fish Transcribe-1 có giá bao nhiêu?

Trên TokenLab, Fish Transcribe-1 có giá $0.0001 mỗi giây. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

Fish Transcribe-1 nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1/audio/transcriptions làm mặc định cho Fish Transcribe-1. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

Fish Transcribe-1 hỗ trợ những thao tác nào?

Fish Transcribe-1 hỗ trợ Giọng nói sang văn bản. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.