Fish Audio: Transcribe 1

Fish Audio: Transcribe 1 هو نموذج تحويل الكلام إلى نص من Fish Audio، مُدرج على api14 ضمن فئة النسخ. وهو عرض النسخ المخصص من المزود، متميز عن أي عمل توليد نصي أو متعدد الوسائط، وموجود فقط لتحويل الكلام المسجل إلى نص مكتوب. إذا كان تطبيقك يحتاج إلى تحويل الصوت إلى نص قابل للاستخدام وكنت بالفعل توجه طلبات أخرى عبر بوابة متوافقة مع OpenAI، فهذا هو النموذج الذي يجب تقييمه لهذه المهمة.

يقبل النموذج الصوت كوسيلة الإدخال الوحيدة ويعيد نصا منسوخا كمخرجه. ويقوم بالكشف التلقائي عن اللغة، لذا لا تحتاج إلى إخباره مسبقا باللغة المتحدثة قبل أن يعالج مقطعا. وعند طلب تفاصيل المحاذاة، يمكنه إرجاع مقاطع على مستوى الكلمة بطوابع زمنية بدلا من كتلة نصية واحدة غير مميزة. هذا التوقيت على مستوى الكلمة هو الميزة الأهم لأي شيء يقع بعد القراءة المجردة: فهو يتيح لك ربط كل كلمة بنقطة في الصوت. ولا تنشر بيانات النموذج الوصفية طول سياق بالوحدات الرمزية، لذا اعتبر الصوت نفسه، وليس ميزانية الوحدات الرمزية، هو ما تحدد حجم طلباتك بناء عليه.

ولأن المخرج يمكن أن يحمل طوابع زمنية على مستوى الكلمة، تتبع عدة حالات استخدام عملية مباشرة. يستفيد توليد الترجمات المصاحبة والتعليقات من توقيت المقاطع، لأن مسار التعليقات يحتاج إلى معرفة وقت ظهور كل عبارة. ويمكن لمحرري النصوص وأدوات تدوين الملاحظات إبراز الصوت أثناء تشغيله، أو السماح للمستخدم بالنقر على كلمة للانتقال إلى تلك اللحظة. ويصبح البحث والفهرسة عبر الاجتماعات أو المقابلات أو المحاضرات أو مكالمات الدعم المسجلة ممكنا بمجرد تحويل الكلام إلى نص، وتحسن محاذاة الكلمات دقة تلك النتائج. كما يساعد الكشف عن اللغة عندما تستقبل صوتا بلغة مختلطة أو غير معروفة وتريد نصا دون خطوة تصنيف منفصلة أولا.

تستدعي النموذج عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرف النموذج "fish-audio/transcribe-1". ولأن الواجهة تتبع اصطلاح OpenAI، يمكن للعملاء وأدوات SDK الحالية التي تشير بالفعل إلى عنوان أساسي متوافق مع OpenAI إرسال الطلبات دون تكامل مخصص. ولا يسرد النموذج أي معاملات طلب مدعومة، لذا اعتمد على شكل الطلب القياسي لاستدعاء نسخ صوتي وتحقق من مخطط الطلب للحقول التي تنطبق على إدخال الصوت. وعندما تحتاج إلى مخرج محاذاة، اطلب تفاصيل المحاذاة حتى يتضمن الرد مقاطع على مستوى الكلمة بطوابع زمنية بدلا من نص عادي. وتسجل البيانات الوصفية أيضا قيمة مخرج أقصى تساوي صفرا، مما يعني أنه لا ينبغي الاعتماد على البيانات الوصفية المنشورة كسقف للمخرج، بل يجب التحقق من أحجام الردود مقابل عبء العمل الخاص بك.

من حيث الملاءمة: هذا النموذج مخصص للنسخ فقط. فهو لا يولد نصا، ولا يجيب عن أسئلة حول الصوت، ولا يترجم، ولا يلخص، ولا ينتج أي مخرج يتجاوز النص المنسوخ، لذا فإن مهمة مثل "لخص هذا الاجتماع" تحتاج إلى نموذج نصي منفصل يغذى بالنص المنسوخ. ويعني غياب المعاملات المدعومة المنشورة وطول سياق بالوحدات الرمزية أنك لا تستطيع ضبط سلوك أخذ العينات أو الاستدلال هنا، وينبغي اختبار التسجيلات الطويلة جدا مقابل خط أنابيبك الخاص بدلا من افتراض أنها تعمل في تمريرة واحدة. وإذا كان متطلبك هو كلام يدخل ونص دقيق بطوابع زمنية يخرج، مع كشف تلقائي عن اللغة، فهذا النموذج موجه مباشرة إلى ذلك.