跳转到内容
本站为社区维护的非官方中文翻译,与 Cloudflare, Inc. 无关联。本站不提供账户登录,请勿在任何非官方站点输入您的 Cloudflare 账户信息。官方文档:developers.cloudflare.com
Deepgram logo

nova-3

Automatic Speech Recognition • Deepgram

查看 MarkdownAgent 设置
  • Cloudflare-hosted
  • Batch
  • Partner
  • Real-time

使用 Deepgram 的语音转文本模型转录音频

模型信息
条款和许可证链接 ↗
批处理是
合作伙伴是
实时是
单位定价$0.0052 per audio minute, $0.0092 per audio minute (websocket)

参数

custom_topic_mode
stringenum: extended, strict设置模型如何解释提交到 custom_topic 参数的字符串。为 strict 时,模型仅返回通过 custom_topic 参数提交的主题;为 extended 时,模型除返回通过 custom_topic 参数提交的主题外,还会返回其自行检测到的主题。
custom_topic
string希望模型在输入音频或文本中检测的自定义主题(如果存在)。最多可提交 100 个
custom_intent_mode
stringenum: extended, strict设置模型如何解释提交到 custom_intent 参数的意图。为 strict 时,模型仅返回通过 custom_intent 参数提交的意图;为 extended 时,模型除返回通过 custom_intents 参数提交的意图外,还会返回其自行检测到的意图
custom_intent
string希望模型在输入音频中检测的自定义意图(如果存在)
detect_entities
boolean识别并提取所提交音频内容中的关键实体
detect_language
boolean识别所提交音频中的主要语言
diarize
boolean识别说话人变化。转录文本中的每个词都会被分配一个从 0 开始的说话人编号
dictation
boolean识别并提取所提交音频内容中的关键实体
encoding
stringenum: linear16, flac, mulaw, amr-nb, amr-wb, opus, speex, g729指定所提交音频的预期编码
extra
string附加到 API 响应中、供下游处理使用的任意键值对
filler_words
booleanFiller Words(填充词)可帮助转录音频中的停顿语气词,例如 'uh' 和 'um'
keyterm
string关键术语提示可增强或抑制专业术语和品牌名称的识别。
keywords
string关键词可增强或抑制专业术语和品牌名称的识别。
language
string提示主要口语语言的 BCP-47 语言标签。根据您选择的模型和 API 端点,仅部分语言可用。
measurements
boolean口述的计量单位将被转换为对应的缩写。
mip_opt_out
boolean让请求退出 Deepgram 模型改进计划(Model Improvement Program)。将其设置为 true 之前,请参阅相关文档了解对定价的影响。https://dpgr.am/deepgram-mip.
mode
stringenum: general, medical, finance模型的运行模式,代表所提供音频中将要谈论的大致主题领域
multichannel
boolean独立转录每个音频声道。
numerals
booleanNumerals 会将文字形式的数字转换为数值形式。
paragraphs
boolean将音频划分为段落,以提高转录文本的可读性。
profanity_filter
booleanProfanity Filter(脏话过滤)会查找可识别的脏话,并将其替换为最接近的非脏话词语,或将其从转录文本中完全删除。
punctuate
boolean为转录文本添加标点符号和大小写。
redact
stringRedaction(脱敏)会从转录文本中移除敏感信息。
replace
string在所提交的音频中搜索术语或短语并进行替换。
search
string在所提交的音频中搜索术语或短语。
sentiment
boolean识别整个转录文本或文本中的情感倾向。
smart_format
boolean对转录输出应用格式化。设置为 true 时,将对转录文本应用额外的格式化以提高可读性。
topics
boolean检测整个转录文本或文本中的主题。
utterances
boolean将语音切分为有意义的语义单元。
utt_split
number在所提交音频中判定词间停顿之前需等待的秒数。
channels
number所提交音频的声道数
interim_results
boolean指定流式端点是否应在接收到更多音频时持续提供转录更新。设置为 true 时,端点会持续发送更新,这意味着转录结果可能会随时间变化。注意:仅 WebSocket 支持。
endpointing
string表示模型在检测说话人是否已说完或出现较长停顿时需等待的时长。设置为某个值后,流式端点会立即完成已处理时间范围内的转录,并返回 speech_final 参数为 true 的转录文本。也可以设置为 false 以禁用端点检测(endpointing)
vad_events
boolean表示语音已开始。语音开始时,您将开始收到 Speech Started 消息。注意:仅 WebSocket 支持。
utterance_end_ms
boolean表示在某个词转录完成后,模型等待多久发送 UtteranceEnd 消息。需与 interim_results 配合使用。注意:仅 WebSocket 支持。

API schema(原始)

输入
输出

这篇文档对您有帮助吗?