本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ 在 GitHub 上编辑ElevenLabs 语音转文本节点可将音频文件转录为文本。它利用 ElevenLabs 的 API 将语音转换为文字记录，支持自动语言检测、识别不同说话者以及标记非语音声音（如音乐或笑声）等功能。
输入参数
| 参数 | 数据类型 | 必填 | 取值范围 | 描述 |
|---|---|---|---|---|
audio | AUDIO | 是 | - | 待转录的音频。 |
model | COMBO | 是 | "scribe_v2" | 用于转录的模型。选择此模型会显示额外参数。 |
tag_audio_events | BOOLEAN | 否 | - | 在转录文本中标注如（笑声）、（音乐）等声音。此参数在选择 "scribe_v2" 模型时显示。（默认值：False） |
diarize | BOOLEAN | 否 | - | 标注当前说话的说话者。此参数在选择 "scribe_v2" 模型时显示。（默认值：False） |
diarization_threshold | FLOAT | 否 | 0.1 - 0.4 | 说话者分离敏感度。数值越低对说话者变化越敏感。此参数在选择 "scribe_v2" 模型且启用 diarize 时显示。（默认值：0.22） |
temperature | FLOAT | 否 | 0.0 - 2.0 | 随机性控制。0.0 使用模型默认值。数值越高随机性越大。此参数在选择 "scribe_v2" 模型时显示。（默认值：0.0） |
timestamps_granularity | COMBO | 否 | "word""character""none" | 转录文本中单词的时间戳精度。此参数在选择 "scribe_v2" 模型时显示。（默认值：“word”） |
language_code | STRING | 否 | - | ISO-639-1 或 ISO-639-3 语言代码（例如 ‘en’、‘es’、‘fra’）。留空则自动检测。（默认值：""） |
num_speakers | INT | 否 | 0 - 32 | 预测的最大说话者数量。设置为 0 则自动检测。（默认值：0） |
seed | INT | 否 | 0 - 2147483647 | 用于结果可复现性的种子值（不保证完全确定性）。（默认值：1） |
diarize 选项时，num_speakers 参数不能设置为大于 0 的值。您必须禁用 diarize 或将 num_speakers 设置为 0。
输出结果
| 输出名称 | 数据类型 | 描述 |
|---|---|---|
text | STRING | 从音频转录得到的文本。 |
language_code | STRING | 检测到的音频语言代码。 |
words_json | STRING | JSON 格式的字符串，包含详细的词级信息，如启用则包括时间戳和说话者标签。 |