Речь в текст (STT)
Нода Речь в текст скачивает аудиофайл по ссылке и возвращает распознанный текст. Распознавание выполняет выбранный провайдер: OpenAI, Deepgram, Cartesia или Yandex SpeechKit. В палитре нода находится в разделе AI / LLM.
Назначение
- Расшифровка записи звонка или голосового сообщения, чтобы передать текст агенту или LLM.
- Перевод аудио в текст перед сохранением в данные проекта или базу знаний.
- Расшифровка коротких голосовых сообщений, например перед классификацией обращения.
Перед началом
Нода использует ключ выбранного провайдера, доступный вашей организации. Если организация работает со своими ключами провайдеров, ключ нужного провайдера должен быть добавлен на странице API Keys -- см. API-ключи и учётные данные и Аудио-провайдеры. Если ключ недоступен, нода вернет ошибку ServiceError.
Настройки
Поля перечислены в порядке, в котором они показаны в панели.
URL аудио
Ссылка на аудиофайл. Подсказка «?» у поля: «MP3, WAV, OGG, M4A или WEBM. Узел скачивает файл и транскрибирует его.»
Поле принимает переменные {{переменная}}. Кнопка с фигурными скобками (Вставить переменную) рядом с названием поля открывает список доступных переменных; выбранная вставляется в позицию курсора.
https://storage.example.com/calls/{{input.call_id}}.mp3
Если поле оставлено пустым, нода берет ссылку из результата предыдущей ноды:
- поле
fileUrl,url,audioUrlилиaudio_url, если результат -- объект; - сам результат, если это строка.
Ссылка должна вести во внешний интернет: адреса внутренних сетей нода не скачивает (ошибка «Audio URL is not allowed»).
Провайдер
| Вариант в списке | Модель |
|---|---|
| OpenAI (whisper-1) | По умолчанию |
| Deepgram (nova-2) | |
| Cartesia (ink-whisper) | |
| Yandex SpeechKit (до 30 с) | Только короткие записи |
При выборе Yandex SpeechKit под полем постоянно показывается предупреждение: «Yandex SpeechKit распознаёт записи не длиннее 30 секунд. Более длинная запись завершится ошибкой.»
На холсте под именем ноды отображается выбранный провайдер.
Язык
Подсказка «?»: «Оставьте авто-определение или зафиксируйте язык для точности.»
Варианты: Автоопределение (по умолчанию), Русский, Английский, Немецкий, Французский, Испанский, Итальянский, Турецкий, Украинский.
При Автоопределении язык провайдеру не передается. Исключение -- Yandex SpeechKit: без явно заданного языка он распознает речь как русскую (ru-RU).
Ограничения
- Размер файла -- не более 25 МБ. Нода скачивает файл потоком и прерывает загрузку, как только размер превышен.
- Форматы -- MP3, WAV, OGG, M4A, WEBM. Формат определяется по расширению в ссылке, а если его нет -- по заголовку
Content-Typeответа. - Yandex SpeechKit -- записи не длиннее 30 секунд и не больше 1 МБ. Надежнее всего работают записи в формате OGG/Opus.
Подключения
- Вход: один вход (слева)
- Выход: один выход
output(справа)
Ошибка не останавливает процесс: следующая нода получает объект ошибки (см. ниже). Чтобы обработать ее, поставьте после ноды If/Else с условием вида node_3.__error, где node_3 -- ID ноды «Речь в текст».
Выходные данные
{
"__success": true,
"__error": false,
"text": "Здравствуйте, хочу перенести запись на пятницу.",
"provider": "openai",
"language": "ru"
}
| Поле | Описание |
|---|---|
text | Распознанный текст |
provider | Провайдер, выполнивший распознавание: openai, deepgram, cartesia или yandex |
language | Язык: заданный в настройке; при автоопределении -- значение, которое вернул провайдер, или null. Для Yandex -- код вида ru-RU |
Распознанный текст в следующих нодах: {{lastOutput.text}} или {{node_3.text}}.
При ошибке:
{
"__success": false,
"__error": true,
"error": "Audio exceeds 26214400 bytes",
"errorType": "ValidationError"
}
Типичные ошибки
errorType | Текст error | Что сделать |
|---|---|---|
ConfigurationError | No audio URL provided for STT (set sttAudioUrl or pipe a URL from upstream) | Заполните «URL аудио» или передайте ссылку из предыдущей ноды |
ValidationError | Audio URL is not allowed | Используйте общедоступную ссылку во внешнем интернете |
ValidationError | Audio exceeds 26214400 bytes | Файл больше 25 МБ -- сожмите или разрежьте запись |
ValidationError | Downloaded audio is empty | По ссылке пустой файл -- проверьте ссылку |
DownloadError | Failed to download audio: ... | Ссылка недоступна или вернула ошибку -- проверьте, что файл открывается без авторизации |
ServiceError | audio-service STT returned <код>: ... | Ошибка сервиса распознавания или провайдера: нет ключа провайдера, запись длиннее лимита провайдера, неподдерживаемый формат. Код и текст после двоеточия уточняют причину |
ServiceError | audio-service request failed: ... | Сервис распознавания недоступен -- повторите запуск позже |
Проверки на холсте
У этой ноды нет проверок на холсте: пустое поле «URL аудио» допустимо, потому что ссылку можно передать из предыдущей ноды.
Пример использования
Расшифровка записи и ответ агента
1. Старт -- input.audio_url: ссылка на запись
2. Речь в текст -- URL аудио: {{input.audio_url}}, Провайдер: OpenAI (whisper-1), Язык: Русский
3. Агент -- получает {{node_2.text}} и готовит ответ
Для записей до 30 секунд можно выбрать Yandex SpeechKit. Для более длинных записей выбирайте OpenAI, Deepgram или Cartesia -- запись длиннее 30 секунд через Yandex завершится ошибкой.
В заголовке панели есть переключатель тихого режима.