Fish Audio: Transcribe 1

Fish Audio: Transcribe 1, api14 üzerinde transcription kategorisi altında listelenen, Fish Audio'dan bir konuşmadan metne modelidir. Sağlayıcının kendine özgü transkripsiyon sunumudur, herhangi bir metin veya çok kipli üretim işinden ayrıdır ve yalnızca kaydedilmiş konuşmayı yazılı metne dönüştürmek için vardır. Uygulamanız sesi kullanılabilir bir transkripte dönüştürmeye ihtiyaç duyuyorsa ve diğer istekleri zaten OpenAI uyumlu bir ağ geçidi üzerinden yönlendiriyorsanız, bu iş için değerlendirilecek model budur.

Model, tek girdi kipi olarak sesi kabul eder ve çıktı olarak bir transkripsiyon döndürür. Otomatik dil algılama gerçekleştirir, bu nedenle bir klibi işleyebilmesi için önceden hangi dilin konuşulduğunu söylemek zorunda değilsiniz. Hizalama ayrıntıları istendiğinde, tek bir ayrıştırılmamış metin bloğu yerine zaman damgalı kelime düzeyinde bölümler döndürebilir. Bu kelime düzeyinde zamanlama, düz okumanın aşağısındaki her şey için en çok önem taşıyan özelliktir: her kelimeyi ses içindeki bir noktaya geri eşlemenizi sağlar. Model üst verisi, token cinsinden bir bağlam uzunluğu yayımlamaz, bu nedenle isteklerinizi boyutlandırırken token bütçesini değil sesin kendisini esas alın.

Çıktı kelime düzeyinde zaman damgaları taşıyabildiği için, birkaç pratik kullanım durumu doğrudan bunu izler. Altyazı ve caption üretimi bölüm zamanlamasından yararlanır, çünkü bir altyazı izinin her ifadenin ne zaman göründüğünü bilmesi gerekir. Transkript düzenleyicileri ve not alma araçları, ses çalarken sesi vurgulayabilir veya kullanıcının bir kelimeye tıklayıp o ana atlamasına izin verebilir. Kaydedilmiş toplantılar, röportajlar, dersler veya destek çağrıları üzerinde arama ve dizinleme, konuşma metne dönüştüğünde mümkün hale gelir ve kelime hizalaması bu isabetlerin hassasiyetini artırır. Dil algılama, karışık veya dili bilinmeyen ses aldığınızda ve önce ayrı bir sınıflandırma adımı olmadan bir transkript istediğinizde de yardımcı olur.

Modeli, "fish-audio/transcribe-1" model id'sini kullanarak api14'ün OpenAI uyumlu API'si üzerinden çağırırsınız. Arayüz OpenAI kuralına uyduğu için, zaten OpenAI uyumlu bir temel URL'ye işaret eden mevcut istemciler ve SDK'lar, özel bir entegrasyon olmadan istek gönderebilir. Model, desteklenen hiçbir istek parametresi listelemez, bu nedenle bir ses transkripsiyonu çağrısı için standart istek şeklini planlayın ve ses girdisine uygulanan alanlar için istek şemasını kontrol edin. Hizalama çıktısına ihtiyaç duyduğunuzda, yanıtın düz metin yerine zaman damgalı kelime düzeyinde bölümler içermesi için hizalama ayrıntılarını isteyin. Üst veri ayrıca sıfır değerinde bir max output kaydeder; bu, bir çıktı üst sınırı için yayımlanmış üst veriye güvenmemeniz ve yanıt boyutlarını kendi iş yükünüze göre doğrulamanız gerektiği anlamına gelir.

Uygunluk konusunda: bu model yalnızca transkripsiyon kapsamındadır. Metin üretmez, ses hakkında soruları yanıtlamaz, çeviri yapmaz, özetlemez veya transkriptin ötesinde herhangi bir çıktı üretmez, bu nedenle "bu toplantıyı özetle" gibi bir görev, transkriptle beslenen ayrı bir metin modeli gerektirir. Yayımlanmış desteklenen parametrelerin ve token bağlam uzunluğunun bulunmaması, burada örnekleme veya akıl yürütme davranışını ayarlayamayacağınız anlamına gelir ve çok uzun kayıtlar tek geçişte çalışacağı varsayılmak yerine kendi işlem hattınıza karşı test edilmelidir. Gereksiniminiz konuşma girişi, doğru zaman damgalı metin çıkışı ve otomatik dil algılama ise, bu model tam olarak buna yöneliktir.