Voz a texto de Fish Audio - ComfyUI Built-in Node Documentation - ComfyUI

Este nodo transcribe audio a texto mediante el servicio de reconocimiento de voz a texto de Fish Audio. Detecta automáticamente el idioma del audio y, opcionalmente, puede devolver segmentos con marcas de tiempo a nivel de palabra como JSON.

Entradas

Parámetro	Descripción	Tipo de datos	Obligatorio	Rango
`audio`	Audio a transcribir.	AUDIO	Sí	—
`idioma`	Sugerencia de idioma ISO 639-1 (p. ej., ‘en’, ‘zh’). El idioma se detecta automáticamente de todos modos. Predeterminado: "" (cadena vacía).	STRING	No	Cualquier código de idioma ISO 639-1, p. ej., `en`, `zh`; cadena vacía para detección automática
`precise_timestamps`	Devuelve segmentos con marcas de tiempo a nivel de palabra. Predeterminado: false.	BOOLEAN	No	true o false

Nota: El parámetro language es solo una sugerencia: el idioma siempre se detecta automáticamente a partir del audio. Cuando precise_timestamps es false (el valor predeterminado), no se devuelven las marcas de tiempo a nivel de palabra; cuando es true, los segmentos de salida incluyen marcas de tiempo a nivel de palabra.

Salidas

Nombre de salida	Descripción	Tipo de datos
`text`	El texto transcrito.	STRING
`language_code`	El código de idioma ISO 639-1 detectado para el audio.	STRING
`segments_json`	Cadena JSON que contiene los segmentos de transcripción. Incluye marcas de tiempo a nivel de palabra cuando `precise_timestamps` está habilitado.	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): eaf1c9a9d2b90ec962a408615cc417b552864354c3f272144b8e239b23961920