Перейти к основному содержимому

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:

  1. поле fileUrl, url, audioUrl или audio_url, если результат -- объект;
  2. 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 спискеМодель
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-Type ответа.
  • 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"
}
ПолеОписание
textРаспознанный текст
providerПровайдер, выполнивший распознавание: openai, deepgram, cartesia или yandex
languageЯзык: 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​

errorTypeТекст errorЧто сделать
ConfigurationErrorNo audio URL provided for STT (set sttAudioUrl or pipe a URL from upstream)Заполните «URL аудио» или передайте ссылку из предыдущей ноды
ValidationErrorAudio URL is not allowedИспользуйте общедоступную ссылку во внешнем интернете
ValidationErrorAudio exceeds 26214400 bytesФайл больше 25 МБ -- сожмите или разрежьте запись
ValidationErrorDownloaded audio is emptyПо ссылке пустой файл -- проверьте ссылку
DownloadErrorFailed to download audio: ...Ссылка недоступна или вернула ошибку -- проверьте, что файл открывается без авторизации
ServiceErroraudio-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
ServiceErroraudio-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
Короткие голосовые сообщения

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.

Тихий режим

В заголовке панели есть переключатель тихого режима.