Google: Chirp 3

Google Chirp 3 הוא מודל זיהוי דיבור רב־לשוני להזרמה, להקלטות קצרות ולתמלול באצווה של הקלטות ארוכות יותר. הוא מספק זיהוי שפה אוטומטי, פיסוק, התאמת אוצר מילים ומטא־נתוני תזמון או דוברים התלויים במצב. מנגנון הפחתת הרעש שלו מצמצם רעשי רקע, אך אינו יכול להסיר קולות אחרים.

Ailoot Ultra · תמלול POST /v1/audio/transcriptions google/chirp-3

על המודל

התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.

Google Chirp 3 הוא מודל רב־לשוני לזיהוי דיבור אוטומטי הממיר אודיו מדובר לטקסט. Google מתעדת אותו כמודל התמלול Chirp 3 במשפחת Speech-to-Text V2, עם מזהה המודל chirp_3. ייעודו הוא זיהוי דיבור מוקלט או מוזרם, עם זיהוי שפה ותכונות ייעודיות לתמלול. התוצר המתקבל הוא תמליל והמטא־נתונים הנתמכים בשיטת הזיהוי שנבחרה, ולא דיבור שנוצר או תשובת עוזר פתוחה.

היצרן מבחין בין זיהוי בהזרמה, זיהוי סינכרוני לקטעים קצרים וזיהוי באצווה להקלטות ארוכות יותר. יש לבחור את המצב לפי אודיו המקור והתוצאה הנדרשת. להודעה קולית קצרה, תשובת טקסט שלמה עשויה להספיק. לראיון או לשיחה מוקלטת, תוצאת אצווה עם מידע על הדוברים יכולה להיות שימושית יותר. לכתוביות בזמן אמת או לממשק פקודות קוליות, יש להשאיר טקסט ביניים מובחן מתוצאת הזיהוי הסופית ולשמור את מקטע האודיו שהוא מתאר.

יש להכין אודיו בקידוד שמימוש הזיהוי מצפה לו. הדוגמאות של Google ל־Chirp 3 משתמשות בפענוח שזוהה אוטומטית לקבצים מוקלטים ובפענוח מפורש לתצורת הזרמה גולמית. מדריך המפענח המשויך ל־V2 מציין בין הקידודים הנתמכים אודיו WAV PCM או אודיו עם קומפנדינג, ‏FLAC, ‏MP3, ‏Ogg/WebM Opus ו־AAC במכלי MP4, M4A או MOV. שם מכל אינו מחליף את מקודד האודיו ותצורת הדגימה בפועל. יש לשמר דיבור ברור ולהימנע מקיטום חמור או מהמרה מיותרת שמאבדת פרטים נשמעים.

Chirp 3 יכול לזהות ולתמלל אוטומטית את השפה הדומיננטית, וקבוצת הגדרות אזור ושפה צפויות יכולה לצמצם את אפשרויות הזיהוי שלו. זמינות השפות משתנה לפי שיטה ותכונה. רשימת שפות התמלול רחבה מרשימת השפות של הפרדת הדוברים, ולכן זיהוי של שפה אינו מוכיח שכל תכונת דוברים או תזמון חלה עליה. יש להשתמש בהגדרת האזור והשפה המתאימה להקלטה ולשמור לבדיקה שמות המופיעים במעבר בין שפות או מונחים מקצועיים. תווית שפה שזוהתה היא חלק מהתוצאה, ולא ראיה לכך שכל המילים החריגות זוהו נכון.

הפרדת דוברים מקבצת דיבור לפי קול בהקלטה חד־ערוצית. Google מספקת דוגמת תמלול באצווה עם מידע על הדובר לכל מילה. בראיון, יש לשמור את התוויות האלה עם הטקסט שזוהה ולהשוות שינויי דוברים להקלטה לפני שמצמידים שמות או תפקידים אמיתיים. קולות דומים, הפרעות ודיבור חופף יכולים להקשות על השיוך. יש להבהיר את סידור הערוצים של המקור ואת משימת בדיקת הדוברים המיועדת, ולא להתייחס לתווית כזהות שאומתה עצמאית.

גם התזמון ייחודי לשיטה. זיהוי בהזרמה מספק חותמות זמן ברמת האמירה, ואילו הנחיות היצרן לזיהוי קבצים מתארות תזמון מילים אופציונלי עם פשרה אפשרית באיכות התמלול. יש לשמור את המטא־נתונים שהוחזרו בפועל מהשיטה שנבחרה ולבדוק את היישור לצד הניסוח. תהליך כתוביות זקוק לשניהם: טקסט מזוהה וקריא וראיות לכך שגבול תזמון מתאים לצליל הנכון. Google מזהירה גם שערך הביטחון שהוחזר ברמת המילה אינו ציון ביטחון אמיתי, ולכן אין להשתמש בו לאישור שמילה נכונה.

התאמת דיבור מספקת ביטויים ושמות עצם פרטיים שסביר שיופיעו בהקלטה. היצרן מתעד מילון של עד 1,000 ביטויים וממליץ על מספר מצומצם ככל האפשר של ערכים רלוונטיים, כדי להימנע מפגיעה בזיהוי מונחים אחרים. במצגת טכנית, יש להכין רשימה קצרה של שמות מוצרים וקיצורים אמיתיים, ואז לבדוק אותם בתמליל. ההטיה מסייעת לזיהוי להביא מונח בחשבון; היא אינה מוכיחה שהמונח נאמר ואינה מחליפה בדיקה מול האודיו.

המודל מספק פיסוק אוטומטי ושימוש אוטומטי באותיות רישיות, שאפשר להשבית בממשק המתועד. Google מתארת גם תכונה בתצוגה מקדימה להוראות מותאמות לפורמט תמלול, כגון אופן כתיבת שם או תאריך מסוים. יש למקד את ההוראות האלה בעיצוב הדיבור שזוהה. תמליל שמאחד פורמט תאריך או כותב מותג באותיות רישיות עדיין צריך לשמר את המשמעות המדוברת. סיכום, תרגום או ניתוח עובדתי הם שימוש מאוחר יותר בתמליל, ולא דבר שהוכח בתוצאת הזיהוי עצמה.

מנגנון הפחתת הרעש המובנה מיועד לצמצם מוזיקת רקע וצלילי סביבה כגון גשם או רעש רחוב. Google מציינת במפורש שהוא אינו יכול להסיר קולות אנושיים ברקע. יש לשמר את ההבחנה הזו כשמכינים הקלטה עם שיחה חופפת. יש לבדוק קטעים רועשים ושקטים מול המקור, ולא להניח שתמליל שנראה נקי יותר מוכיח שהצליל המפריע הוסר. תוצאה שימושית משאירה קטעים לא ודאיים ניתנים לזיהוי לצורך תיקון.

במשימות הזרמה, רגישות זיהוי סיום האמירה משנה את הנקודה שבה מתייחסים לאמירה כמוגמרת. היצרן מתאר הגדרות standard, short ו־supershort לדיבור צפוי קצר יותר ויותר. הגדרה מהירה יותר עלולה לקטוע דובר שעוצר באמצע מחשבה. יש להתאים את ההגדרה להכתבה טבעית, למשפט קצר או לפקודה קצרה מאוד, ולשמור עם התמליל את מצב התוצאה הסופית. בקובץ מוגמר, יש לבדוק שמות, כמויות, שלילות וגבולות דוברים, ואז לשמור את המצב שנבחר ואת אודיו המקור, כדי שאפשר יהיה לבדוק את התוצאה או להשתמש בה שוב.

Ailoot Ultra · תמלול POST /v1/audio/transcriptions google/chirp-3

google/chirp-3

Google /google/chirp-3

התחלה

סוגי קלט נתמכים: שמע
תוצאות: טקסט

זמין ב-Ailoot · קלט ושיטות

Ailoot Ultra · תמלול POST /v1/audio/transcriptions

סוגי קלט: audio
סוגי פלט: text

שדה	סוג	דרישה	ערכים ומגבלות	ברירת מחדל
שדה`model`	סוג`string`	דרישהחובה	ערכים ומגבלות google/chirp-3	ברירת מחדל—
שדה`input_audio`	סוג`object`	דרישהחובה	ערכים ומגבלות	ברירת מחדל—

פרמטרים ומחזור חיים של השיטה

פרמטר	מפרט
פרמטר`content_type`	מפרטapplication/json
פרמטר`required`	מפרטmodel, input_audio
פרמטר`material_types`	מפרטaudio
פרמטר`material_conditions`	מפרטהדוגמה קוראת את קובץ ה־PCM WAV הממשי והלא ריק שלכם, מקודדת את כל הבתים של הקובץ ב־base64 ושולחת את input_audio.format בערך wav.

מחזור חיים: synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · task_id המדויק מרשומת מדיה קיימת שבבעלותכם

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

תעריפים

מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.

מצב מהיר: לא צוין כאשר נבחר מצב מהיר
מצב Flex: לא צוין כאשר נבחר מצב flex
מאמץ חשיבה מרבי: לא צוין כאשר מאמץ החשיבה המרבי משתמש בהתאמת ברירת המחדל (default)

תעריפי Ailoot

מחירים לפי תצורה

התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.

תצורה	טבלת תעריפים	יחידת חיוב	חיוב
תצורהתעריפי בסיס לטוקנים	טבלת תעריפיםתעריף בסיס	יחידת חיוב—	חיוב קלט · טוקני קלט — / 1K טוקנים פלט · טוקני פלט — / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים
תצורהשניית שמע בקלט	טבלת תעריפים—	יחידת חיובלכל שניית שמע בקלט	חיוב קלט · שניית שמע בקלט $0.000533333333334 לכל שניית שמע בקלט

לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →

דוגמאות לבקשות

Ailoot Ultra · תמלול

curl · קובץ WAV אמיתי והתוצאה המקורית המלאה

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.

קבלה ושמירה של תוצאות

Ailoot Ultra · תמלול

גוף התגובה המקורי במלואו, הסטטוס והכותרות שהועברו. המטפל הזה אינו מוסיף מבנה JSON אחיד, שדה טקסט או מעטפת משימה.

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

שמירת כל התוצאות שהושלמו

שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.

שמרו את התשובה המלאה ואת הכותרות, כל פלט שהתקבל בפועל, את המזהים המקוריים שהוחזרו ואת כל שדות השימוש. שחזרו את הפעולה המקורית בלי לשלוח שוב בקשת יצירה.

כשצריך לבדוק את התגובה המקורית

יש לשמור את X-Client-Request-ID הממשי ואת התגובה המלאה. יש לקרוא את הנכסים המקוריים שבבעלותכם ואת כתובות התוכן החתומות המדויקות שלהם; אין לשלוח שוב בקשת יצירה שתוצאתה אינה ודאית.

שדות התגובה

שדה	סוג
שדה`text (when present)`	סוג
שדה`usage (when present)`	סוג

שגיאות והשלבים הבאים

תגובה	תנאי	השלב הבא
תגובה⁦400⁩ · `invalid_request_error`	תנאיגוף ה־JSON או מזהה המודל הקנוני המפורש אינם תקפים.	השלב הבאיש לשמור את התגובה ולתקן את שדה הבקשה שצוין.
תגובה⁦401⁩ · `authentication_error`	תנאימפתח ה־API של Ailoot אינו תקף.	השלב הבאיש להשתמש במפתח ה־API המורשה שלכם של Ailoot.
תגובה⁦403⁩ · `permission_error`	תנאיהקבוצה של המפתח אינה מורשית להשתמש בשיטה הזו.	השלב הבאיש לשמור את פרטי השגיאה שהוחזרו.
תגובה⁦404⁩ · `not_found_error`	תנאילשיטה שנבחרה אין נתיב מאושר לשימוש.	השלב הבאיש לשמור את פרטי השגיאה שהוחזרו.
תגובה⁦422⁩ · `price_unavailable`	תנאילא ניתן להשיג עבור התעריף שהתקבל את כמות הקלט או את הגבול הנדרשים לו.	השלב הבאיש לשמור את התגובה; יש להשתמש בייצוג הקלט הנדרש בתעריף שהתקבל.
תגובה⁦503⁩ ·	תנאיהאחסון, הנתיב, מחיר השיטה או שריון הסכום הנדרשים אינם זמינים.	השלב הבאיש לשמור את התגובה המקורית המלאה. שריון סכום שמצבו אינו ודאי אינו מתיר שליחה חוזרת.
תגובה⁦502⁩ · `server_error`	תנאייש לבדוק את התוצאה המקורית, את נתוני השימוש או את השלמת החיוב.	השלב הבאיש לשמור את מזהה הבקשה הממשי ואת התגובה המקורית. יש לקרוא את הרשומה הקיימת שבבעלותכם; אין לשלוח שוב בקשת יצירה.

כינויים

כינויים למודל

Ailoot Ultra google/chirp-3

כינויים לנתיבי שיטות

השתמשו בנתיבי השיטות המוצגים למעלה.

מזהי מודלים קשורים IDs

google/chirp-3

FAQ · Google: Chirp 3

אילו קלטים ותוצאות זמינים?: POST /v1/audio/transcriptions · google/chirp-3: audio → text
באילו שדות הבקשה משתמשת?: POST /v1/audio/transcriptions · google/chirp-3: model, input_audio

Google: Chirp 3

Google: Chirp 3

התחלה

זמין ב-Ailoot · קלט ושיטות

תעריפים

תעריפי Ailoot

מחירים לפי תצורה

דוגמאות לבקשות

Ailoot Ultra · תמלול

קבלה ושמירה של תוצאות

Ailoot Ultra · תמלול

שמירת כל התוצאות שהושלמו

כשצריך לבדוק את התגובה המקורית

כינויים

כינויים למודל

כינויים לנתיבי שיטות

מזהי מודלים קשורים IDs

החברה ופורטפוליו הפרויקטים שלה

קנו אסימונים בהנחה.

חברו API למוצר שאתם מוכרים.