ElevenLabs: Scribe v2

ElevenLabs Scribe v2 is het batchmodel voor spraakherkenning bij opgenomen audio, transcriptie en ondertiteling. Het bouwt voort op Scribe v1 met een verbeterde verwerking van lange opnames, pauzes, toonwisselingen en langdurige stilte. Het resultaat is uitgeschreven spraak met tijdsinformatie en optionele annotaties van sprekers en audiogebeurtenissen. Scribe v2 Realtime is een afzonderlijke editie voor livetranscriptie; dit model is bedoeld om volledige opnames te verwerken.

De maker documenteert herkenning in meer dan 90 talen en automatische taaldetectie, ook voor opnames waarin van taal wordt gewisseld. Een hint over een bekende taal kan het model helpen de audio te interpreteren. Bereid een duidelijke opname voor, behoud de oorspronkelijke taal en namen en vermijd ernstige oversturing of onnodige verwerking die spraakdetails verwijdert. Gangbare gedocumenteerde invoerformaten omvatten WAV, MP3, FLAC, M4A, AAC, OGG, Opus en WebM. Kies een invoerweergave die door de transcriptie-implementatie wordt ondersteund en bewaar de bronopname voor beoordeling.

Het standaardantwoord bevat de herkende tekst, informatie over de gedetecteerde taal en een reeks woorden met tijdsaanduidingen. Woordrecords kunnen begin- en eindtijden, sprekeridentifiers en een logwaarschijnlijkheid van de herkenning bevatten. Daardoor is het resultaat nuttig voor ondertitels, doorzoekbare interviews of een editor die naar het relevante geluid terugspringt. Bewaar het resultaat met tijdsaanduidingen bij de bronaudio. Bij een podcast kan het op te leveren resultaat bijvoorbeeld een bewerkbare transcriptie en een op woorden uitgelijnd record zijn, waarmee correcties kunnen worden gelokaliseerd voordat ondertitels worden geordend.

Sprekerdiarisatie labelt wie wanneer spreekt in audio met meerdere sprekers, waarbij de maker maximaal 32 sprekers documenteert. Schakel ze in wanneer sprekerwissels van belang zijn en geef een redelijk aantal sprekers op als dat bekend is. Maak onderscheid tussen een gedetecteerd sprekerlabel en de geverifieerde naam van een persoon. Controleer bij een interview of vergadering sprekerwissels aan de hand van de opname, vooral waar stemmen overlappen of gelijkaardig klinken. Een label helpt de transcriptie te ordenen; het toont niet zelfstandig de identiteit van de spreker aan.

Een opname met één spreker per kanaal heeft een andere structuur dan verschillende stemmen die in één kanaal gemengd zijn. De producentinterface kan maximaal vijf kanalen onafhankelijk verwerken en afzonderlijke transcripties teruggeven of een gecombineerde, op tijd geordende transcriptie met kanaalindexen. Behoud die kanaalindeling wanneer ze betekenisvol is. Een gescheiden gespreksopname vóór transcriptie samenvoegen kan een nuttige bron van sprekerinformatie weggooien. Houd kanaalgebonden toewijzing gescheiden van diarisatie die uit gemengde audio wordt afgeleid. Het antwoord met gecombineerde kanalen vereist tijdstempels en kan geen entiteitsdetectie of redactie bevatten.

Prompts met kerntermen sturen de herkenning van namen, producttermen en gespecialiseerde woordenschat via context. De huidige batchdocumentatie staat maximaal 1.000 termen toe, waarbij elke term minder dan 50 tekens en maximaal vijf woorden bevat. Bezorg relevante schrijfwijzen in plaats van een brede, ongerelateerde catalogus. Bezorg bij een technisch interview de productnamen en afkortingen die waarschijnlijk voorkomen en controleer ze vervolgens op hun tijdstempels in het resultaat. Kerntermen sturen de herkenning; het zijn geen instructies om een term in te voegen wanneer de opname die niet ondersteunt.

Kies het doel van de transcriptie voordat je opschoning toepast. Een woordelijk record behoudt de gesproken formulering, terwijl de gedocumenteerde optie no-verbatim opvulwoorden, valse starts en haperingen verwijdert voor een leesbaarder resultaat. Dynamische audiotags kunnen niet-spraakgeluiden zoals lachen of voetstappen identificeren. Een verzorgde transcriptie kan nuttig zijn voor ondertitels of om te lezen, maar mag het ruwe record niet stilzwijgend vervangen wanneer herhalingen, correcties of niet-spraakgeluiden van belang zijn voor de opdracht.

De maker documenteert ook entiteitsdetectie en experimentele transcriptiebewerking. Transcriptiebewerking kan in de producentinterface niet met entiteitsdetectie, afscherming van entiteiten of multikanaaltranscriptie worden gecombineerd. Gedetecteerde entiteiten leveren gestructureerde posities voor geselecteerde informatie in de transcriptie. Optionele afscherming van entiteiten maskeert gedetecteerde tekst met vervanglabels; ze hangt af van entiteitsdetectie en de entiteitenlijst wordt niet teruggegeven wanneer afscherming is ingeschakeld. Afscherming gebeurt tijdens transcriptie met een generieke vervangmarkering, een categorielabel of een genummerd categorielabel. Geautomatiseerde afscherming kan gevoelige inhoud missen, dus controleer de transcriptie met afgeschermde gegevens voordat je ze deelt. Een bewerking in natuurlijke taal geeft een bewerkte tekst naast het oorspronkelijke resultaat terug, terwijl het oorspronkelijke record met tijdsaanduidingen en sprekers beschikbaar blijft. Houd die resultaten gescheiden: een gecorrigeerde spelling of opnieuw geformuleerde zin kan een nieuwe controle nodig hebben voordat ze met de audio wordt uitgelijnd of in een volgende extractie wordt gebruikt. Deze functies verwerken de transcriptie; ze tonen niet aan dat elk belangrijk detail correct is herkend.

Controleer voor een voltooide transcriptie namen, getallen, ontkenningen en sprekerwissels door naar de overeenkomstige audio terug te keren. Let op stille gedeelten, overlap en taalwisselingen in plaats van de kwaliteit alleen op basis van vlotte tekst te beoordelen. Behoud onzekere formuleringen voor correctie in plaats van een onhoorbare passage met een aannemelijke zin aan te vullen. Het nuttige resultaat is een gecontroleerd tekstrecord met de tijds- en sprekerinformatie die nodig is voor het beoogde gebruik; een transcriptie kan vervolgens invoer worden voor een afzonderlijke stap van samenvatting, vertaling of analyse.