> ## Documentation Index
> Fetch the complete documentation index at: https://dripart-docs-recommend-assets-api.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# ElevenLabsSpeechToText - ComfyUI Built-in Node Documentation

> Complete documentation for the ElevenLabsSpeechToText node in ComfyUI. Learn its inputs, outputs, parameters and usage.

> 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)

ElevenLabs 语音转文本节点可将音频文件转录为文本。它利用 ElevenLabs 的 API 将语音转换为文字记录，支持自动语言检测、识别不同说话者以及标记非语音声音（如音乐或笑声）等功能。

## 输入参数

| 参数                       | 数据类型    | 必填 | 取值范围                                      | 描述                                                                         |
| ------------------------ | ------- | -- | ----------------------------------------- | -------------------------------------------------------------------------- |
| `audio`                  | AUDIO   | 是  | -                                         | 待转录的音频。                                                                    |
| `model`                  | COMBO   | 是  | `"scribe_v2"`                             | 用于转录的模型。选择此模型会显示额外参数。                                                      |
| `tag_audio_events`       | BOOLEAN | 否  | -                                         | 在转录文本中标注如（笑声）、（音乐）等声音。此参数在选择 `"scribe_v2"` 模型时显示。（默认值：False）               |
| `diarize`                | BOOLEAN | 否  | -                                         | 标注当前说话的说话者。此参数在选择 `"scribe_v2"` 模型时显示。（默认值：False）                          |
| `diarization_threshold`  | FLOAT   | 否  | 0.1 - 0.4                                 | 说话者分离敏感度。数值越低对说话者变化越敏感。此参数在选择 `"scribe_v2"` 模型且启用 `diarize` 时显示。（默认值：0.22） |
| `temperature`            | FLOAT   | 否  | 0.0 - 2.0                                 | 随机性控制。0.0 使用模型默认值。数值越高随机性越大。此参数在选择 `"scribe_v2"` 模型时显示。（默认值：0.0）           |
| `timestamps_granularity` | COMBO   | 否  | `"word"`<br />`"character"`<br />`"none"` | 转录文本中单词的时间戳精度。此参数在选择 `"scribe_v2"` 模型时显示。（默认值："word"）                      |
| `language_code`          | STRING  | 否  | -                                         | ISO-639-1 或 ISO-639-3 语言代码（例如 'en'、'es'、'fra'）。留空则自动检测。（默认值：""）            |
| `num_speakers`           | INT     | 否  | 0 - 32                                    | 预测的最大说话者数量。设置为 0 则自动检测。（默认值：0）                                             |
| `seed`                   | INT     | 否  | 0 - 2147483647                            | 用于结果可复现性的种子值（不保证完全确定性）。（默认值：1）                                             |

**注意：** 启用 `diarize` 选项时，`num_speakers` 参数不能设置为大于 0 的值。您必须禁用 `diarize` 或将 `num_speakers` 设置为 0。

## 输出结果

| 输出名称            | 数据类型   | 描述                                     |
| --------------- | ------ | -------------------------------------- |
| `text`          | STRING | 从音频转录得到的文本。                            |
| `language_code` | STRING | 检测到的音频语言代码。                            |
| `words_json`    | STRING | JSON 格式的字符串，包含详细的词级信息，如启用则包括时间戳和说话者标签。 |