> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-matt-router-pricing-pika-and-guard.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# ElevenLabsSpeechToText - ComfyUI Built-in Node Documentation

> ElevenLabs 语音转文本节点使用 ElevenLabs API 将音频转写为文本。

ElevenLabs 语音转文本节点使用 ElevenLabs API 将音频转写为文本。它支持自动语言检测、说话人分离（识别不同说话人）以及音频事件标记（在转写文本中标注笑声、音乐等声音）。

## 输入

### 通用输入

| 参数 | 描述 | 数据类型 | 必需 | 范围 |
| - | - | - | - | - |
| `模型` | 用于转写的模型。选择此模型将显示其他参数。 | DYNAMIC\_COMBO | 是 | `"scribe_v2"` |
| `音频` | 要转写的音频。 | AUDIO | 是 | - |
| `语言代码` | ISO-639-1 或 ISO-639-3 语言代码（例如 'en'、'es'、'fra'）。留空以进行自动检测。（默认：""） | STRING | 否 | - |
| `说话人数` | 要预测的最大说话人数。设置为 0 以自动检测。（默认：0） | INT | 否 | 0 - 32 |
| `种子` | 用于复现的随机种子（不保证确定性）。（默认：1） | INT | 否 | 0 - 2147483647 |

### Scribe v2 输入

选择 `"scribe_v2"` 模型时显示以下参数。

| 参数 | 描述 | 数据类型 | 必需 | 范围 |
| - | - | - | - | - |
| `tag_audio_events` | 在转写文本中标注（笑声）、（音乐）等声音。（默认：False） | BOOLEAN | 否 | - |
| `diarize` | 标注当前说话人是谁。（默认：False） | BOOLEAN | 否 | - |
| `diarization_threshold` | 说话人分离灵敏度。值越低，对说话人变化越敏感。仅在启用 `diarize` 时使用。（默认：0.22） | FLOAT | 否 | 0.1 - 0.4 |
| `temperature` | 随机性控制。0.0 使用模型默认值。较高的值会增加随机性。（默认：0.0） | FLOAT | 否 | 0.0 - 2.0 |
| `timestamps_granularity` | 转写字词的时间戳精度。（默认："word"） | COMBO | 否 | `"word"`<br />`"character"`<br />`"none"` |

**注意：** 启用 `diarize` 时，`num_speakers` 不能设置为大于 0 的值。您必须禁用 `diarize` 或将 `num_speakers` 设为 0。

## 输出

| 输出名称 | 描述 | 数据类型 |
| - | - | - |
| `文本` | 从音频转写出的文本。 | STRING |
| `语言代码` | 检测到的音频语言代码。 | STRING |
| `单词 JSON` | 包含详细词级信息的 JSON 格式字符串，包括时间戳以及（如启用）说话人标签。 | STRING |

> 本文档由 AI 生成。如果您发现任何错误或有改进建议，欢迎贡献！ [在 GitHub 上编辑](https://github.com/Comfy-Org/embedded-docs/blob/main/comfyui_embedded_docs/docs/ElevenLabsSpeechToText/zh.md)

***

**Source fingerprint (SHA-256):** `7eb5d72615aa8a9e4a8014e45b39cf83dc8d8432d7ce0dccba20489be80a5830`


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.