Google: Chirp 3
Google Chirp 3 نموذج متعدد اللغات للتعرف على الكلام، للبث والتسجيلات القصيرة والتفريغ النصي الدفعي للتسجيلات الأطول. يوفر اكتشاف اللغة تلقائيًا وعلامات الترقيم وتكييف المفردات وبيانات وصفية للتوقيت أو المتحدثين بحسب الوضع. يقلل مزيل الضوضاء فيه ضجيج الخلفية، لكنه لا يستطيع إزالة الأصوات البشرية الأخرى.
عن النموذج
يغطي هذا الوصف قدرات النموذج. وترد أدناه المدخلات والمخرجات والخيارات المتاحة في Ailoot للطريقة المحددة.
Google Chirp 3 هو نموذج متعدد اللغات للتعرف الآلي على الكلام يحوّل الصوت المنطوق إلى نص. توثقه Google بوصفه نموذج التفريغ Chirp 3 ضمن عائلة Speech-to-Text V2، بمعرّف النموذج chirp_3. غرضه التعرف على الكلام المسجل أو المتدفق، مع اكتشاف اللغة وميزات مخصصة للتفريغ النصي. المادة الناتجة هي تفريغ نصي وبيانات وصفية تدعمها طريقة التعرف المختارة، وليست كلامًا مولدًا أو إجابة مفتوحة من مساعد.
تميز الشركة المنتجة بين التعرف على الكلام المتدفق والتعرف المتزامن للمقاطع القصيرة والتعرف الدفعي للتسجيلات الأطول. اختر الوضع بحسب الصوت المصدر والنتيجة المطلوبة. قد تكفي استجابة نصية مكتملة لملاحظة صوتية قصيرة. ولمقابلة أو مكالمة مسجلة، قد تكون نتيجة دفعية تتضمن معلومات المتحدثين أكثر فائدة. وللتسميات التوضيحية المباشرة أو واجهة الأوامر المنطوقة، أبقِ النص الوسيط متميزًا عن نتيجة التعرف النهائية، واحتفظ بالفترة الصوتية التي يصفها.
جهّز الصوت بالترميز الذي يتوقعه تنفيذ التعرف. تستخدم أمثلة Chirp 3 لدى Google فك ترميز يُكتشف تلقائيًا للملفات المسجلة، وفك ترميز محددًا صراحة لتهيئة بث صوتي خام. يسرد مرجع فك الترميز V2 المرتبط WAV PCM أو الصوت ذي الضغط والتمديد، وFLAC وMP3 وOgg/WebM Opus وAAC ضمن حاويات MP4 أو M4A أو MOV، من بين الترميزات المدعومة. لا يحل اسم الحاوية محل الترميز الفعلي وتهيئة العينات. حافظ على وضوح الكلام، وتجنب القص الشديد لقمم الإشارة الصوتية أو التحويل غير الضروري الذي يفقد تفاصيل مسموعة.
يستطيع Chirp 3 تحديد اللغة السائدة وتفريغها تلقائيًا، ويمكن لمجموعة من الإعدادات المحلية المتوقعة تضييق خيارات التعرف. يختلف توفر اللغات بحسب الطريقة والميزة. قائمة لغات التفريغ أوسع من قائمة تمييز المتحدثين، لذا لا يثبت التعرف على لغة أن كل ميزة خاصة بالمتحدثين أو التوقيت تنطبق عليها. استخدم الإعداد المحلي المطابق للتسجيل، واحتفظ بالأسماء أو المصطلحات التخصصية التي ينتقل فيها الكلام بين اللغات للمراجعة. تسمية اللغة المكتشفة جزء من النتيجة، وليست دليلًا على التعرف الصحيح على جميع الكلمات غير المعتادة.
يجمع تمييز المتحدثين الكلام بحسب الصوت في تسجيل أحادي القناة. توفر Google مثالًا للتفريغ الدفعي بمعلومات متحدث لكل كلمة. ولمقابلة، احتفظ بهذه التسميات مع النص المتعرَّف عليه، وقارن تغيّر المتحدثين بالتسجيل قبل إرفاق أسماء أو أدوار فعلية. قد تجعل الأصوات المتشابهة والمقاطعات وتداخل الكلام الإسناد صعبًا. أبقِ ترتيب قنوات المصدر ومهمة مراجعة المتحدثين المقصودة واضحين، بدلًا من التعامل مع التسمية بوصفها هوية متحققًا منها بصورة مستقلة.
التوقيت أيضًا خاص بطريقة التعرف. يوفر التعرف المتدفق طوابع زمنية على مستوى العبارات المنطوقة، بينما تصف إرشادات الشركة المنتجة للتعرف على الملفات توقيتًا اختياريًا للكلمات مع احتمال مفاضلة في جودة التفريغ. احتفظ بالبيانات الوصفية التي تعيدها الطريقة المختارة فعلًا، وراجع المحاذاة إلى جانب الصياغة. يحتاج مسار التسميات التوضيحية إلى كليهما: نص متعرَّف عليه سهل القراءة، ودليل على أن الحد الزمني يوافق الصوت الصحيح. تحذر Google أيضًا من أن قيمة الثقة المعادة على مستوى الكلمة ليست درجة ثقة حقيقية، لذا ينبغي ألا تُستخدم للتصديق على صحة كلمة.
يوفر تكييف الكلام عبارات وأسماء أعلام يُرجّح ورودها في التسجيل. توثق الشركة المنتجة قاموسًا يضم ما يصل إلى 1,000 عبارة، وتوصي بأقل عدد ممكن من المدخلات ذات الصلة لتجنب تراجع التعرف على المصطلحات الأخرى. ولعرض تقني، جهّز قائمة قصيرة بأسماء المنتجات والاختصارات الفعلية، ثم افحصها في التفريغ. يساعد الترجيح نظام التعرف على أخذ مصطلح في الحسبان؛ لكنه لا يثبت نطق المصطلح ولا يحل محل التحقق بالرجوع إلى الصوت.
يوفر النموذج علامات ترقيم واستخدامًا تلقائيًا للأحرف الكبيرة، ويمكن للواجهة الموثقة تعطيلهما. تصف Google أيضًا ميزة في مرحلة المعاينة لتعليمات مخصصة لتنسيق التفريغ، مثل كيفية كتابة اسم معين أو تاريخ. أبقِ هذه التعليمات مركزة على تنسيق الكلام المتعرَّف عليه. فالتفريغ الذي يوحد صيغة تاريخ أو يكتب علامة تجارية بأحرف كبيرة يظل بحاجة إلى الحفاظ على المعنى المنطوق. والملخص أو الترجمة أو التحليل الواقعي استخدام لاحق للتفريغ، وليس أمرًا تثبته نتيجة التعرف نفسها.
صُمم مزيل الضوضاء المدمج لتقليل الموسيقى الخلفية والأصوات البيئية مثل المطر أو ضجيج الشارع. تذكر Google صراحة أنه لا يستطيع إزالة الأصوات البشرية في الخلفية. حافظ على هذا التمييز عند إعداد تسجيل يحتوي على محادثات متداخلة. افحص الأجزاء الصاخبة والهادئة بمقارنتها بالمصدر، بدلًا من افتراض أن تفريغًا يبدو أنظف يثبت إزالة الصوت المتداخل. تبقي النتيجة المفيدة المقاطع غير المؤكدة قابلة للتحديد من أجل تصحيحها.
في مهام البث، تغيّر حساسية تحديد نهاية الكلام توقيت اعتبار العبارة مكتملة. تصف الشركة المنتجة الإعدادات standard وshort وsupershort للكلام المتوقع الأقصر تدريجيًا. قد يقطع إعداد أسرع كلام متحدث يتوقف لحظة في منتصف فكرته. طابق الإعداد مع الإملاء الطبيعي أو جملة قصيرة أو أمر شديد القصر، واحتفظ بحالة النتيجة النهائية مع التفريغ. ولملف مكتمل، راجع الأسماء والكميات وأدوات النفي وحدود كلام المتحدثين، ثم احتفظ بالوضع المختار والصوت المصدر بحيث يمكن فحص النتيجة أو إعادة استخدامها.
Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions google/chirp-3
google/chirp-3البداية
Google Chirp 3 نموذج متعدد اللغات للتعرف على الكلام، للبث والتسجيلات القصيرة والتفريغ النصي الدفعي للتسجيلات الأطول. يوفر اكتشاف اللغة تلقائيًا وعلامات الترقيم وتكييف المفردات وبيانات وصفية للتوقيت أو المتحدثين بحسب الوضع. يقلل مزيل الضوضاء فيه ضجيج الخلفية، لكنه لا يستطيع إزالة الأصوات البشرية الأخرى.
- المدخلات المقبولة
- الصوت
- النتائج
- النص
متاح في Ailoot · المدخلات والطرائق
Ailoot Ultra · تفريغ صوتي POST /v1/audio/transcriptions
- الإدخال
audio- الإخراج
text
| الحقل | النوع | المتطلب | القيم والحدود | القيمة الافتراضية |
|---|---|---|---|---|
الحقلmodel | النوعstring | المتطلبمطلوب | القيم والحدود google/chirp-3 | القيمة الافتراضية— |
الحقلinput_audio | النوعobject | المتطلبمطلوب | القيم والحدود | القيمة الافتراضية— |
معلمات الطريقة ودورة حياتها
| المعلمة | المواصفات |
|---|---|
المعلمةcontent_type | المواصفاتapplication/json |
المعلمةrequired | المواصفاتmodel, input_audio |
المعلمةmaterial_types | المواصفاتaudio |
المعلمةmaterial_conditions | المواصفاتيقرأ المثال ملف PCM WAV الفعلي غير الفارغ لديك، ويُرمّز جميع بايتات الملف بترميز base64، ويرسل input_audio.format بالقيمة wav. |
دورة الحياة: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · قيمة task_id الدقيقة من سجل وسائط موجود مملوك لك
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
الباقات
مراجع التسعير لا تضيف خيارات للطلب. المعلمات المدعومة مذكورة للطريقة المحددة.
- الوضع السريع
- غير محدد عند اختيار الوضع السريع
- الوضع المرن
- غير محدد عند اختيار وضع flex
- أقصى جهد للاستدلال
- غير محدد عندما يُطبَّق الضبط الافتراضي default مع أقصى جهد للاستدلال
تعرفات Ailoot
الأسعار حسب الإعدادات
طابق كل رسم مع الشروط المعروضة. طبّق تعرفة واحدة لكل مجموعة من الإعدادات البديلة.
| الإعدادات | جدول التعرفة | وحدة الفوترة | الرسوم |
|---|---|---|---|
| الإعداداتالتعرفات الأساسية للرموز | جدول التعرفةالتعرفة الأساسية | وحدة الفوترة— | الرسوم الإدخال · رموز الإدخال — / 1K من الرموز الإخراج · رموز الإخراج — / 1K من الرموز الإدخال · قراءة ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت — / 1K من الرموز الإدخال · الكتابة إلى ذاكرة التخزين المؤقت، 1 ساعة — / 1K من الرموز |
| الإعداداتثانية صوت مُدخل | جدول التعرفة— | وحدة الفوترةلكل ثانية صوت مُدخل | الرسوم الإدخال · ثانية صوت مُدخل $0.000533333333334 لكل ثانية صوت مُدخل |
تحجز Ailoot مبلغًا تقديريًا قبل الطلب. وبعد ظهور النتيجة، تُسوّي الرسوم النهائية بناءً على الاستخدام المقاس. وتستخدم تسوية البث سجل الاستخدام النهائي. كيفية عمل حجز المبلغ وتسوية الرسوم →
أمثلة للطلبات
Ailoot Ultra · تفريغ صوتي
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual PCM WAV recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import base64, io, json, os, wave
from pathlib import Path
audio = Path(os.environ['AILOOT_AUDIO_FILE']).read_bytes()
if not (audio[:4] == b'RIFF' and audio[8:12] == b'WAVE'):
raise SystemExit('Supply your actual PCM WAV audio file')
with wave.open(io.BytesIO(audio), 'rb') as recording:
if recording.getcomptype() != 'NONE' or recording.getnframes() <= 0:
raise SystemExit('Supply a nonempty PCM WAV recording')
request = {'model': 'google/chirp-3', 'input_audio': {'data': base64.b64encode(audio).decode('ascii'), 'format': 'wav'}}
Path('request.json').write_text(json.dumps(request, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o response.bin
# Retain the complete original response, headers and actual X-Client-Request-ID.
# Read existing owned records for recovery; do not resubmit an uncertain operation.
استلام النتائج وحفظها
Ailoot Ultra · تفريغ صوتي
متن الاستجابة الأصلي كاملاً، والحالة والترويسات المُمرَّرة. لا يضيف هذا المعالج بنية JSON عامة أو حقل نص أو حاوية مهمة.
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}
الاحتفاظ بكل النتائج المكتملة
احتفظ بكل استجابة كاملة وكل ملف وجزء محتوى تم إرجاعه.
احتفظ بالاستجابة كاملة وبجميع الترويسات، وبكل مخرج فعلي، وبالمعرّفات الأصلية المُعادة، وبجميع حقول الاستخدام. استعد العملية الأصلية دون إرسال طلب الإنشاء مجددًا.
عند الحاجة إلى التحقق من الاستجابة الأصلية
احتفظ بقيمة X-Client-Request-ID الفعلية وبالاستجابة كاملة. اقرأ الأصول الأصلية المملوكة لك وعناوين URL الدقيقة الموقّعة لمحتواها؛ ولا تعِد إرسال طلب إنشاء غير مؤكد النتيجة مطلقاً.
حقول الاستجابة
| الحقل | النوع |
|---|---|
الحقلtext (when present) | النوع |
الحقلusage (when present) | النوع |
الأخطاء والخطوات التالية
| الاستجابة | الشرط | الخطوة التالية |
|---|---|---|
الاستجابة400 · invalid_request_error | الشرطمتن JSON أو معرّف النموذج المعتمد الصريح غير صالح. | الخطوة التاليةاحتفظ بالاستجابة وصحّح حقل الطلب المشار إليه. |
الاستجابة401 · authentication_error | الشرطمفتاح API الخاص بـAiloot غير صالح. | الخطوة التاليةاستخدم مفتاح API المخوَّل لك في Ailoot. |
الاستجابة403 · permission_error | الشرطمجموعة المفتاح غير مخوّلة لاستخدام هذه الطريقة. | الخطوة التاليةاحتفظ بتفاصيل الخطأ المُعادة. |
الاستجابة404 · not_found_error | الشرطلا يوجد مسار مسموح به للطريقة المختارة. | الخطوة التاليةاحتفظ بتفاصيل الخطأ المُعادة. |
الاستجابة422 · price_unavailable | الشرطيتعذر على التعرفة المقبولة الحصول على كمية الإدخال المطلوبة أو حدّها. | الخطوة التاليةاحتفظ بالاستجابة؛ واستخدم صيغة تمثيل الإدخال التي تتطلبها التعرفة المقبولة. |
الاستجابة503 · | الشرطالتخزين المطلوب أو المسار أو سعر الطريقة أو حجز الرصيد غير متاح. | الخطوة التاليةاحتفظ بالاستجابة الأصلية كاملة. حجز الرصيد غير المؤكد لا يمنح الإذن بإعادة الإرسال. |
الاستجابة502 · server_error | الشرطتتطلب النتيجة الأصلية أو الاستخدام أو التسوية التحقق. | الخطوة التاليةاحتفظ بمعرّف الطلب الفعلي وبالاستجابة الأصلية. اقرأ السجل الموجود المملوك لك؛ ولا تعِد إرسال طلب الإنشاء. |
الأسماء البديلة
الأسماء البديلة للنموذج
Ailoot Ultra google/chirp-3
الأسماء البديلة لمسارات الطرائق
استخدم مسارات الطرائق المعروضة أعلاه.
معرّفات النماذج ذات الصلة IDs
FAQ · Google: Chirp 3
- ما المدخلات والنتائج المتاحة؟
POST /v1/audio/transcriptions·google/chirp-3:audio→text- ما الحقول التي يستخدمها الطلب؟
POST /v1/audio/transcriptions·google/chirp-3:model,input_audio