AssemblyAI: Universal-3.5 Pro

AssemblyAI: Universal-3.5 Pro는 AssemblyAI의 음성-텍스트 변환 모델로, 제공자의 Sync API를 통해 제공됩니다. 이 모델은 전사(transcription) 카테고리에 속하므로, 그 역할은 좁고 구체적입니다. 즉, 채팅, 추론 또는 생성 작업을 처리하는 대신 오디오를 텍스트로 변환하는 것입니다. 전사가 필요한 무언가를 만들고 있다면, 이것은 다른 전사 옵션들과 함께 평가하게 될 종류의 모델입니다.

이 모델은 오디오를 유일한 입력으로 받고 전사를 출력으로 반환합니다. 단일 동기 응답으로 단어 수준 타임스탬프가 포함된 완전한 전사를 생성하므로, 별도의 정렬 단계 없이 각 단어의 타이밍 정보를 얻을 수 있습니다. Sync API 경로는 최대 120초의 오디오 클립을 위해 설계되었으므로, 이 모델은 긴 파일이 아닌 짧은 녹음에서 작동합니다. 이 모델에는 컨텍스트 윈도우가 명시되어 있지 않으며, 최대 출력은 0으로 기록되어 있는데, 이는 일반적인 의미의 토큰 예산을 가진 텍스트 생성 모델이 아니라는 점을 반영합니다.

실용적인 용도는 이러한 특성에서 직접 따라옵니다. 단어 수준 타임스탬프는 각 단어에 시간 오프셋이 필요한 자막 및 캡션 생성에 적합하게 만듭니다. 짧은 클립은 음성 메모, 지원 통화 일부, 짧은 인터뷰 및 음성 메모 전사에서 흔하므로, 한 번의 응답으로 전체 전사를 반환하는 동기 호출은 배치 작업을 기다릴 수 없는 대화형 도구에 적합합니다. 응답이 동기식이므로 요청 및 응답 흐름에 연결할 수 있습니다. 예를 들어 사용자가 클립을 업로드하면 같은 상호작용에서 전사와 타이밍을 돌려받습니다.

모델 id "assemblyai/universal-3-5-pro"를 사용하여 api14의 OpenAI 호환 API를 통해 호출합니다. 요청은 오디오 입력을 담고, 응답은 단어 수준 타임스탬프가 포함된 전사를 반환합니다. 이 모델은 지원되는 파라미터를 나열하지 않으므로, 샘플링 제어, temperature, top_p 또는 이와 유사한 생성 설정을 전달할 것으로 기대해서는 안 됩니다. 전사 동작은 제공자에 의해 고정되어 있습니다. 채팅 완료 엔드포인트가 아닌 전사 엔드포인트로 취급하고, 현재 요금은 페이지의 실시간 가격표를 확인하세요.

염두에 두어야 할 주요 제한은 클립 길이입니다. Sync API는 최대 120초의 오디오를 제공하므로, 더 긴 녹음은 이 모델이 단일 동기 호출에서 처리하도록 설정된 범위를 벗어나며, 그러한 경우에는 다른 접근 방식이나 다른 모델이 필요합니다. 작업이 텍스트 생성, 채팅 또는 음성-텍스트 변환 이상의 것이라면, 이 모델은 적합하지 않습니다. 입력이 오디오이고 출력이 전사이기 때문입니다.