首页
/ ElevenLabs Python SDK语音转文字功能中additional_formats参数的正确使用方法

ElevenLabs Python SDK语音转文字功能中additional_formats参数的正确使用方法

2025-06-30 03:28:39作者:霍妲思

在语音处理领域,将音频转换为文字并生成多种格式的字幕文件是常见需求。ElevenLabs Python SDK的speech_to_text功能提供了这一能力,但开发者在使用additional_formats参数时可能会遇到类型错误问题。

问题现象

当开发者尝试使用additional_formats参数导出SRT等字幕格式时,系统会抛出TypeError,提示"Invalid type for value. Expected primitive type, got <class 'dict'>"。这表明SDK在处理参数时遇到了类型不匹配的问题。

根本原因

这个问题源于HTTP请求构建过程中对复杂数据类型的处理方式。HTTP协议本身对multipart/form-data格式的数据传输有严格要求,当遇到嵌套的字典结构时,标准的HTTP客户端库无法自动将其序列化为有效的表单数据。

解决方案

正确的做法是将additional_formats参数转换为JSON字符串格式。以下是具体实现方法:

import json
from elevenlabs import speech_to_text

transcription = await client.speech_to_text.convert(
    file=buffer,
    model_id='scribe_v1',
    tag_audio_events=True,
    timestamps_granularity="word",
    diarize=True,
    request_options=RequestOptions(timeout_in_seconds=180),
    language_code=iso639_1_to_2(language),
    additional_formats=json.dumps([{
        "format": "srt",
        "max_characters_per_line": 40,
        "include_speakers": True,
        "include_timestamps": True,
        "segment_on_silence_longer_than_s": 1.1,
        "max_segment_chars": 80
    }])
)

技术细节

  1. 参数序列化:通过json.dumps()方法将字典结构转换为JSON字符串,确保数据能够被HTTP客户端正确处理。

  2. 格式规范:additional_formats接受一个数组,每个元素代表一种导出格式的配置。对于SRT格式,可配置参数包括:

    • 每行最大字符数
    • 是否包含说话人信息
    • 是否包含时间戳
    • 静音分段阈值
    • 段落最大字符数
  3. 多格式支持:如果需要同时导出多种格式,只需在数组中添加多个配置对象即可。

最佳实践

  1. 始终对复杂参数进行JSON序列化
  2. 在开发环境中先测试小片段音频
  3. 合理设置超时参数,特别是处理长音频时
  4. 根据目标语言选择合适的语言代码

通过遵循这些指导原则,开发者可以充分利用ElevenLabs Python SDK强大的语音转文字功能,同时避免常见的参数处理问题。

登录后查看全文
热门项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
176
262
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
863
511
ShopXO开源商城ShopXO开源商城
🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300
kernelkernel
deepin linux kernel
C
22
5
cherry-studiocherry-studio
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K