enterprise_ai.multimodal.stt
Source : sdks/python/src/enterprise_ai/multimodal/stt/__init__.py. Retour à l'index de la référence du SDK Python.
Cette page est générée par tools/docs/gen_sdk_reference.py depuis les sources du SDK et les dossiers de textes OpenAPI. Ne la modifiez pas à la main : changez la source et régénérez.
Classe SttClient
Multimodal. Médias et traitement multimodal : stockage chiffré de médias et travaux de vision, génération et retouche d'images, traitement et génération de vidéos, transcription de la parole, diarisation, synthèse vocale et DLP multimodale.
Resource
SttClient.transcribe
transcribe(media_id: str, language: str | None = None, model: str | None = None, **extra: Any) -> Any
Transcrire la parole en texte. Lance un travail de transcription sur un média audio ou un audio fourni directement (201, le travail). La transcription passe par la DLP avec dlp_mode. Seul word_timestamps s'applique ici (les bornes de locuteurs répondent 422 parameter_unsupported). L'usage est compté en secondes d'audio (duration_seconds, ou lu dans un en-tête WAV). Demande tenant_admin, developer ou agent.
Route : /v1/multimodal/stt (POST).
| Nom | Type | Défaut | Requis | Description |
|---|---|---|---|---|
media_id | str | oui | Média audio enregistré. | |
language | str | None | None | non | Langue parlée, par exemple fr. Par défaut : détectée par l'adaptateur. |
model | str | None | None | non | Modèle à utiliser. Par défaut : l'adaptateur configuré. |
**extra | Any | non | Champs supplémentaires fusionnés dans le corps de la requête. |
Retour : Any. Réponse JSON décodée de l'opération « Transcrire la parole en texte ».
Erreurs levées : les erreurs typées du transport (Erreurs).