AssemblyAI: Universal-3.5 Pro

Universal-3.5 Pro is het spraakherkenningsmodel van AssemblyAI voor het omzetten van opgenomen spraak in tekst. In het Sync-profiel levert een korte audioclip in één antwoord een volledig transcript op. Dit is geschikt voor spraakberichten, push-to-talk-invoer en afzonderlijke gespreksbeurten waarbij de toepassing al weet wanneer de opname moet eindigen.

Bereid de audio als een afgebakende clip voor. De Sync-vereisten van AssemblyAI aanvaarden een duur van 80 milliseconden tot 120 seconden, met een maximale bestandsgrootte van 40 MB. De ondersteunde formaten zijn WAV of ruwe signed 16-bit little-endian PCM. Audio kan mono of stereo zijn, waarbij stereo intern wordt teruggemengd. Ondersteunde samplefrequenties zijn 8, 16, 22,05, 24, 32, 44,1 en 48 kHz. Een WAV-header levert de samplefrequentie en het aantal kanalen; bij ruwe PCM moeten die waarden afzonderlijk in de transcriptieconfiguratie worden opgegeven.

Neem de volledige uiting op en houd het begin en einde van de spraak intact. Een bruikbare eigen taak is een kort spraakbericht voor productondersteuning met een productnaam, een bestel-ID en een verzoek. Bewaar de bronclip, zodat het transcript aan die belangrijke details kan worden getoetst. Bereid voor een langere opname een workflow voor die geschikt is voor lange transcriptie, in plaats van de duurlimiet voor korte clips als een modelbrede claim over audiocapaciteit te beschouwen.

Het resultaat bevat het volledige transcript, een woordenlijst met betrouwbaarheid per woord en een algemene betrouwbaarheid tussen nul en één. Het geeft ook de duur van de ingediende audio en een verzoek-ID, waardoor de tekst met de oorspronkelijke clip verbonden kan blijven. Gebruik woordbetrouwbaarheid om passages te vinden die een luistercontrole verdienen, vooral namen, cijfers en domeinwoordenschat die voor de toepassing van belang zijn.

Woordtijdstempels zijn optioneel en standaard uitgeschakeld. Wanneer ze worden gevraagd, kan elk uitgelijnd woord zijn begin en einde in milliseconden ten opzichte van het begin van de clip bevatten. Het profiel van de fabrikant laat die waarden weg wanneer een woord niet kan worden uitgelijnd, in plaats van een geschatte timing te verzinnen. Tijdstempels zijn het nauwkeurigst voor Engelstalige audio. Behoud ontbrekende timings expliciet bij het voorbereiden van woordmarkering, een doorzoekbare golfvorm of ondertiteluitlijning en vergelijk de tekst met de opname voordat je die als een afgewerkt ondertitelspoor gebruikt.

Een contextuele prompt beschrijft waarover de opname gaat. Die kan een domein, scenario of specifieke details benoemen die de toepassing al kent en heeft een maximale lengte van 6.000 tekens. Begin met een korte beschrijving die bij de audio past, zoals een technisch ondersteuningsgesprek over een bepaald toestel. De prompt levert herkenningscontext; het is geen verzoek om de boodschap van de spreker naar een ander document te herschrijven.

Een afzonderlijke lijst met sleuteltermen stuurt de herkenning naar specifieke woordenschat. Het Sync-profiel aanvaardt maximaal 100 termen en 8.000 tekens voor die volledige lijst. Gebruik exacte spellingen voor ongebruikelijke namen, afkortingen of producttermen en laat gewone, goed herkende woorden uit de lijst. Grote of overbodige termenlijsten kunnen overcorrecties veroorzaken. Richt de lijst dus op woorden die in de opname van belang zijn. De contextbeschrijving en woordenlijst kunnen samen worden gebruikt.

Eerder gesprek kan ook helpen om een kort antwoord te interpreteren. Lever eerdere uitingen in chronologische volgorde aan, van oud naar nieuw, terwijl de huidige audio de te transcriberen beurt blijft. Het gedocumenteerde contextbudget is 500 beurten of in totaal 16.000 tekens. Als het die grenzen of de beschikbare modelcontext overschrijdt, worden de oudste vermeldingen eerst verwijderd. Dit is nuttig wanneer een kort antwoord een identificatie of verwijzing bevat waarvan de betekenis uit de voorafgaande vraag komt.

Taalkeuze stuurt de herkenning naar één of meerdere verwachte talen. De huidige Sync-interface aanvaardt 32 taalcodes en gebruikt standaard Engels als geen keuze is opgegeven. Som voor audio met taalwisselingen de verwachte talen op. Een eigen contextuele prompt vervangt de beheerde standaard en krijgt voorrang op de afzonderlijke sturing via taalcodes. Benoem de verwachte talen dus in die prompt wanneer zowel taal- als scenariocontext nodig is. Behoud het transcript in de werkelijk gesproken talen, in plaats van transcriptie als een vertaalinstructie te behandelen.

Het model komt ook voor in andere transcriptieworkflows van AssemblyAI, terwijl de vereisten voor korte clips en resultaatvelden van het Sync-profiel bij deze specifieke interface horen. De Dictation-workflow van de fabrikant voegt een afzonderlijke tekstopschoningsstap toe; een transcript en een herschreven bericht zijn verschillende resultaten. Behoud de herkende spraak wanneer een latere bewerkings- of samenvattingsstap een opgeschoonde versie produceert, zodat de oorspronkelijke bewoordingen voor vergelijking beschikbaar blijven.

Bruikbare opleveringen omvatten een getranscribeerd spraakbericht, een volledige beurt voor een assistent, korte doorzoekbare audiotekst of een getimede woordenlijst voor een beoordelingsinterface. Controleer de doorslaggevende woorden aan de hand van de opname, behoud ontbrekende uitlijningen en houd de clip verbonden met de teruggestuurde tekst. Het herkenningsresultaat geeft de volgende toepassingsstap een op de bron gebaseerde transcriptie; het verzoek beantwoorden of het bericht bewerken behoort tot de omringende workflow.