ElevenLabsSpeechToText - ComfyUI Built-in Node Documentation

ElevenLabs Speech to Text 노드는 ElevenLabs API를 사용하여 오디오를 텍스트로 전사합니다. 자동 언어 감지, 화자 분리(다른 화자 식별), 오디오 이벤트 태깅(대본에서 웃음이나 음악과 같은 소리 주석 달기)을 지원합니다.

입력

매개변수	설명	데이터 타입	필수 여부	범위
`model`	전사에 사용할 모델입니다. 이 모델을 선택하면 추가 매개변수가 표시됩니다.	DYNAMIC_COMBO	예	`"scribe_v2"`
`audio`	전사할 오디오입니다.	AUDIO	예	-
`language_code`	ISO-639-1 또는 ISO-639-3 언어 코드(예: ‘en’, ‘es’, ‘fra’)입니다. 자동 감지를 위해 비워 두십시오. (기본값: "")	STRING	아니요	-
`num_speakers`	예측할 최대 화자 수입니다. 자동 감지를 위해 0으로 설정하십시오. (기본값: 0)	INT	아니요	0 - 32
`seed`	재현성을 위한 시드입니다(결정성은 보장되지 않습니다). (기본값: 1)	INT	아니요	0 - 2147483647

이 매개변수는 "scribe_v2" 모델을 선택할 때 표시됩니다.

매개변수	설명	데이터 타입	필수 여부	범위
`tag_audio_events`	대본에서 (웃음), (음악) 등과 같은 소리에 주석을 답니다. (기본값: False)	BOOLEAN	아니요	-
`diarize`	어떤 화자가 말하고 있는지 주석을 답니다. (기본값: False)	BOOLEAN	아니요	-
`diarization_threshold`	화자 분리 민감도입니다. 값이 낮을수록 화자 변경에 더 민감합니다. `diarize`가 활성화된 경우에만 사용됩니다. (기본값: 0.22)	FLOAT	아니요	0.1 - 0.4
`temperature`	무작위성 제어입니다. 0.0은 모델 기본값을 사용합니다. 값이 높을수록 무작위성이 증가합니다. (기본값: 0.0)	FLOAT	아니요	0.0 - 2.0
`timestamps_granularity`	대본 단어의 시간 정밀도입니다. (기본값: “word”)	COMBO	아니요	`"word"` `"character"` `"none"`

참고: diarize가 활성화된 경우 num_speakers를 0보다 큰 값으로 설정할 수 없습니다. diarize를 비활성화하거나 num_speakers를 0으로 설정해야 합니다.

출력 이름	설명	데이터 타입
`text`	오디오에서 전사된 텍스트입니다.	STRING
`language_code`	오디오에서 감지된 언어 코드입니다.	STRING
`words_json`	타임스탬프와 활성화된 경우 화자 레이블을 포함한 상세한 단어 수준 정보가 포함된 JSON 형식 문자열입니다.	STRING

이 문서는 AI에 의해 생성되었습니다. 오류를 발견하거나 개선 제안이 있으시면 기여해 주세요! GitHub에서 편집

Source fingerprint (SHA-256): 7eb5d72615aa8a9e4a8014e45b39cf83dc8d8432d7ce0dccba20489be80a5830