Google: Chirp 3

Google: Chirp 3 هو نموذج تحويل الكلام إلى نص من Google، مُدرج على api14 ضمن فئة النسخ. وهو أحدث نموذج متعدد اللغات في سلسلة Chirp من Google، ويصفه مزوّده بأنه ترقية في دقة النسخ مقارنة بالإصدارات السابقة. إذا كان عملك يتضمن تحويل الكلام المسجَّل أو المتدفق إلى نص مكتوب، فهذه هي عائلة النماذج التي ستنظر إليها أولاً.

يأخذ النموذج الصوت كمدخل وحيد له ويعيد نصاً منسوخاً كمخرج وحيد له. وفقاً لوصف المزوّد، فهو يغطي 24 لغة متاحة عموماً وأكثر من 77 لغة في المعاينة، مما يجعله خياراً متعدد اللغات فعلاً وليس نظاماً يضع الإنجليزية أولاً مع بعض الإضافات الملحقة. كما يدعم الكشف التلقائي عن اللغة، فلا يتعين عليك تحديد لغة المقطع قبل إرساله، ويدعم الترقيم التلقائي، فيصل النص المُعاد بحدود جمل بدلاً من كونه تدفقاً واحداً متصلاً. لا يوجد طول سياق منشور لهذا النموذج، والمخرج الأقصى مُدرج كصفر، وهو ما يعكس حقيقة أن مخرج النسخ لا يُقاس بالطريقة التي تُقاس بها إكمالات المحادثة. اعتبر الصوت الذي ترسله هو القيد الحقيقي وليس نافذة الرموز.

تتبع الاستخدامات العملية تلك القدرات مباشرة. نسخ الاجتماعات والمكالمات هو الاستخدام الأوضح، خصوصاً حين يتبادل المشاركون اللغات أو حين لا يمكنك معرفة اللغة مسبقاً. ولأن الكشف عن اللغة تلقائي، يمكنك توجيه خط معالجة واحد إلى صوت متعدد اللغات بدلاً من توجيه المقاطع يدوياً. ويجعل الترقيم التلقائي المخرج الخام أكثر قابلية للاستخدام في المراحل اللاحقة، سواء كنت تغذّيه إلى أداة تلخيص أو فهرس بحث أو مسار ترجمة أو أداة مراجعة للمحررين البشريين. والتقاط الملاحظات الصوتية، ونسخ المقابلات، ورقمنة الأرشيف للمواد متعددة اللغات، كلها استخدامات معقولة.

تستدعي النموذج عبر واجهة api14 المتوافقة مع OpenAI باستخدام معرّف النموذج "google/chirp-3". ولأن الواجهة تتبع اصطلاح OpenAI، فإن العملاء ومجموعات أدوات التطوير الحالية تعمل عموماً بتغيير عنوان URL الأساسي ومعرّف النموذج بدلاً من إعادة الكتابة. لا يُدرج النموذج أي معاملات طلب مدعومة، لذا خطط لإرسال الصوت مع معرّف النموذج والاعتماد على الإعدادات الافتراضية للنموذج نفسه في التعامل مع اللغة والترقيم بدلاً من ضبط السلوك عبر حقول إضافية. راجع جدول الأسعار المباشر في هذه الصفحة للأسعار الحالية قبل أن تلتزم بحجم معين.

أمر واحد يجب أخذه في الحسبان هو النطاق. يقوم Chirp 3 بالنسخ ولا شيء غير ذلك: فهو لا يقبل إدخالاً نصياً، ولا يولّد ردوداً حوارية، ولا ينتج ملخصات أو ترجمات كمخرجات منفصلة. إذا كانت مهمتك هي المحادثة أو الاستدلال أو توليد النص، فإن نموذجاً لغوياً عام الأغراض هو الخيار الصحيح، ولن تستخدم Chirp 3 إلا لخطوة تحويل الصوت إلى نص التي تسبقه.