ElevenLabs voz a texto - ComfyUI Built-in Node Documentation - ComfyUI

El nodo ElevenLabs Speech to Text transcribe audio a texto utilizando la API de ElevenLabs. Admite detección automática de idioma, diarización de hablantes (identificación de diferentes hablantes) y etiquetado de eventos de audio (anotación de sonidos como risas o música en la transcripción).

Entradas

Entradas comunes

Parámetro	Descripción	Tipo de dato	Obligatorio	Rango
`modelo`	Modelo a utilizar para la transcripción. Al seleccionar este modelo se muestran parámetros adicionales.	DYNAMIC_COMBO	Sí	`"scribe_v2"`
`audio`	Audio a transcribir.	AUDIO	Sí	-
`código_de_idioma`	Código de idioma ISO-639-1 o ISO-639-3 (por ejemplo, ‘en’, ‘es’, ‘fra’). Déjelo vacío para detección automática. (predeterminado: "")	STRING	No	-
`número_de_hablantes`	Número máximo de hablantes a predecir. Establezca 0 para detección automática. (predeterminado: 0)	INT	No	0 - 32
`semilla`	Semilla para reproducibilidad (no se garantiza determinismo). (predeterminado: 1)	INT	No	0 - 2147483647

Entradas de Scribe v2

Estos parámetros se muestran cuando se selecciona el modelo "scribe_v2".

Parámetro	Descripción	Tipo de dato	Obligatorio	Rango
`tag_audio_events`	Anota sonidos como (risas), (música), etc. en la transcripción. (predeterminado: False)	BOOLEAN	No	-
`diarize`	Anota qué hablante está hablando. (predeterminado: False)	BOOLEAN	No	-
`diarization_threshold`	Sensibilidad de separación de hablantes. Los valores más bajos son más sensibles a los cambios de hablante. Solo se utiliza cuando `diarize` está habilitado. (predeterminado: 0.22)	FLOAT	No	0.1 - 0.4
`temperature`	Control de aleatoriedad. 0.0 utiliza el valor predeterminado del modelo. Los valores más altos aumentan la aleatoriedad. (predeterminado: 0.0)	FLOAT	No	0.0 - 2.0
`timestamps_granularity`	Precisión de sincronización para las palabras de la transcripción. (predeterminado: “word”)	COMBO	No	`"word"` `"character"` `"none"`

Nota: num_speakers no puede establecerse a un valor mayor que 0 cuando diarize está habilitado. Debe deshabilitar diarize o establecer num_speakers en 0.

Salidas

Nombre de salida	Descripción	Tipo de dato
`texto`	El texto transcrito del audio.	STRING
`código_de_idioma`	El código de idioma detectado del audio.	STRING
`palabras_json`	Una cadena en formato JSON que contiene información detallada a nivel de palabra, incluidos marcas de tiempo y etiquetas de hablante si están habilitadas.	STRING

Esta documentación fue generada por IA. Si encuentra algún error o tiene sugerencias de mejora, ¡no dude en contribuir! Editar en GitHub

Source fingerprint (SHA-256): 7eb5d72615aa8a9e4a8014e45b39cf83dc8d8432d7ce0dccba20489be80a5830