Fish Audio: Transcribe 1

Fish Audio: Transcribe 1 adalah model speech-to-text dari Fish Audio, terdaftar di api14 dalam kategori transkripsi. Ini adalah penawaran transkripsi khusus dari penyedia tersebut, berbeda dari pekerjaan generasi teks atau multimodal apa pun, dan keberadaannya murni untuk mengubah ucapan yang direkam menjadi teks tertulis. Jika aplikasi Anda perlu mengonversi audio menjadi transkrip yang dapat digunakan dan Anda sudah merutekan permintaan lain melalui gateway yang kompatibel dengan OpenAI, inilah model yang perlu dievaluasi untuk pekerjaan itu.

Model ini menerima audio sebagai satu-satunya modalitas input dan mengembalikan transkripsi sebagai output. Model ini melakukan deteksi bahasa otomatis, sehingga Anda tidak perlu memberi tahu terlebih dahulu bahasa apa yang diucapkan sebelum dapat memproses klip. Ketika detail penyelarasan diminta, model ini dapat mengembalikan segmen tingkat kata dengan stempel waktu, bukan satu blok teks yang tidak terbedakan. Penentuan waktu tingkat kata itu adalah fitur yang paling penting untuk apa pun di hilir pembacaan biasa: fitur ini memungkinkan Anda memetakan setiap kata kembali ke suatu titik dalam audio. Metadata model tidak mempublikasikan panjang konteks dalam token, jadi perlakukan audio itu sendiri, bukan anggaran token, sebagai hal yang menjadi dasar ukuran permintaan Anda.

Karena output dapat membawa stempel waktu tingkat kata, beberapa kasus penggunaan praktis mengikuti secara langsung. Pembuatan subtitle dan takarir mendapat manfaat dari penentuan waktu segmen, karena trek takarir perlu mengetahui kapan setiap frasa muncul. Editor transkrip dan alat pencatatan dapat menyorot audio saat diputar, atau memungkinkan pengguna mengklik kata untuk melompat ke momen tersebut. Pencarian dan pengindeksan atas rapat, wawancara, kuliah, atau panggilan dukungan yang direkam menjadi mungkin setelah ucapan menjadi teks, dan penyelarasan kata meningkatkan presisi hasil pencarian tersebut. Deteksi bahasa juga membantu ketika Anda menerima audio campuran atau bahasa yang tidak diketahui dan menginginkan transkrip tanpa langkah klasifikasi terpisah terlebih dahulu.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "fish-audio/transcribe-1". Karena antarmukanya mengikuti konvensi OpenAI, klien dan SDK yang sudah ada yang telah menunjuk ke base URL yang kompatibel dengan OpenAI dapat mengirim permintaan tanpa integrasi khusus. Model ini tidak mencantumkan parameter permintaan yang didukung, jadi rencanakan bentuk permintaan standar untuk panggilan transkripsi audio dan periksa skema permintaan untuk bidang yang berlaku bagi input audio. Ketika Anda memerlukan output penyelarasan, minta detail penyelarasan agar respons menyertakan segmen tingkat kata dengan stempel waktu, bukan teks biasa. Metadata juga mencatat nilai output maksimum nol, yang berarti Anda tidak boleh mengandalkan metadata yang dipublikasikan untuk batas output dan harus memvalidasi ukuran respons terhadap beban kerja Anda sendiri.

Tentang kecocokan: model ini dibatasi hanya untuk transkripsi. Model ini tidak menghasilkan teks, menjawab pertanyaan tentang audio, menerjemahkan, merangkum, atau menghasilkan output apa pun di luar transkrip, jadi tugas seperti "rangkum rapat ini" memerlukan model teks terpisah yang diberi transkrip. Tidak adanya parameter yang didukung yang dipublikasikan dan panjang konteks token berarti Anda tidak dapat menyetel perilaku sampling atau penalaran di sini, dan rekaman yang sangat panjang harus diuji terhadap pipeline Anda sendiri daripada diasumsikan berhasil dalam satu proses. Jika kebutuhan Anda adalah ucapan masuk, teks dengan stempel waktu yang akurat keluar, dengan deteksi bahasa otomatis, model ini ditujukan tepat untuk itu.