用途:该技能面向需要实现 Plaud Embedded 转写 API 的开发者,用于把音频文件提交给 Plaud 的转写流水线(含语言检测、降噪、ASR、语音转文字等),并获取对话转写结果。
前置条件:音频文件位于从 Plaud 设备同步的移动应用中,或可通过公开 URL(如 S3 下载链接)下载。
主要能力:转写 API 为 AI API,包含两个端点:提交带 file_url 的异步转写任务,以及查询任务状态用于轮询;任务完成时返回对话转写。若开发者尚无公开下载 URL,可先使用文件上传 API 将音频上传到 Plaud 云存储。
上传用法:上传为三步分片流程:POST /generate-presigned-urls(传 filesize 与 filetype),返回 FileId、UploadId、ChunkSize 及分片预签名 S3 URL 数组;对每个 PresignedUrl PUT 不超过 ChunkSize 的原始字节(无需鉴权),并保存每次 PUT 返回的 ETag;POST /complete-upload(传 file_id、upload_id、PartNumber/ETag 组成的 part_list、filetype 与 file_md5),返回 DownloadUrl。该 DownloadUrl 有效期为 24 小时,作为 file_url 传给转写 API。
转写用法:转写 API 使用 X-Client-Id 与 X-Client-Api-Key 请求头鉴权,api_key 并非 client_secret,需从开发者门户的 App Settings > API Keys 获取。file_url 支持的音频格式为 M4A、MP3、WAV;超过 5 小时的录音应分块分段转写。POST 可传可选 params 调整流水线:transcribe.language(默认 auto,BCP-47 代码如 en-US、zh-CN)、transcribe.detection_level(默认 segment,可选 chapter)、vad.decode_silence(默认 false)、diarization.enabled(默认 false)、diarization.return_embedding(默认 false)。查询端点在任务进行中返回 PENDING、RECEIVED、STARTED 或 PROGRESS,需持续轮询;SUCCESS 表示数据已填充;FAILURE 与 REVOKED 是终态失败,应处理而非无限轮询。SUCCESS 时数据包含 text、language、duration(秒)以及按时间对齐的 segments 数组(start、end、text,启用说话人分离时含 speaker_id,另含 language 与语言置信度概率)。参考代码可看 Plaud Starter App 中的 iOS TranscriptionManager.swift 与 Android TranscriptionManager.kt。
适用场景:需要将 Plaud 设备或应用中的录音转成文字、需要语言识别或说话人分离的应用集成。
限制:官方资料未提供收费、价格与具体平台支持范围等信息;需自行具备公开下载 URL 或通过文件上传 API 获取;超 5 小时需分块;DownloadUrl 仅 24 小时有效。