AssemblyAI: Universal-3.5 Pro

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

Bereid de audio voor als afgebakende clip. De Sync-eisen van AssemblyAI accepteren 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 naar mono wordt gemixt. Ondersteunde samplefrequenties zijn 8, 16, 22.05, 24, 32, 44.1 en 48 kHz. Een WAV-header levert de samplefrequentie en het aantal kanalen; voor ruwe PCM moeten die waarden apart in de transcriptieconfiguratie worden opgegeven.

Neem de volledige uiting op en houd het begin en einde van de spraak intact. Een bruikbare oorspronkelijke taak is een kort spraakbericht aan productsupport met een productnaam, orderidentificatie en verzoek. Bewaar de bronclip, zodat het transcript op die belangrijke details kan worden gecontroleerd. Bereid voor een langere opname een workflow voor lange transcripties voor, in plaats van de duurlimiet voor korte clips als een uitspraak over de audiocapaciteit van het hele model te behandelen.

Het resultaat bevat het volledige transcript, een woordenlijst met betrouwbaarheid per woord en een algemene betrouwbaarheid tussen nul en één. Het levert ook de duur van de ingestuurde audio en een verzoek-ID, waarmee je de tekst bij de oorspronkelijke clip kunt bewaren. Gebruik woordbetrouwbaarheid om passages te vinden die luistercontrole verdienen, vooral namen, getallen en domeinwoordenschat die voor de applicatie belangrijk zijn.

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

Een contextprompt beschrijft waar de opname over gaat. Deze kan een domein, scenario of specifieke details noemen die de applicatie al kent en heeft een maximale lengte van 6000 tekens. Begin met een korte beschrijving die bij de audio past, zoals een technisch supportgesprek over een bepaald apparaat. De prompt levert herkenningscontext; het is geen verzoek om het bericht van de spreker te herschrijven tot een ander document.

Een afzonderlijke lijst met sleuteltermen stuurt de herkenning richting specifieke woordenschat. Het Sync-profiel accepteert maximaal 100 termen en in totaal 8000 tekens in die lijst. Gebruik exacte spellingen voor ongebruikelijke namen, afkortingen of producttermen en laat gewone, goed herkende woorden uit de lijst. Grote of onnodige termenlijsten kunnen overcorrecties veroorzaken. Richt de lijst daarom op woorden die in de opname belangrijk zijn. De contextbeschrijving en woordenlijst kunnen samen worden gebruikt.

Eerder gesprek kan ook helpen een kort antwoord te interpreteren. Lever eerdere uitingen aan in chronologische volgorde, van oud naar nieuw, terwijl de huidige audio de te transcriberen beurt blijft. De gedocumenteerde contextruimte bedraagt 500 beurten of in totaal 16,000 tekens. Als deze die limieten of de beschikbare modelcontext overschrijdt, worden de oudste items als eerste verwijderd. Dit is nuttig wanneer een kort antwoord een identificatie of verwijzing bevat waarvan de betekenis uit de voorafgaande vraag komt.

Taalselectie stuurt de herkenning naar één of meer verwachte talen. De huidige Sync-interface accepteert 32 taalcodes en gebruikt standaard Engels wanneer er geen selectie wordt aangeleverd. Geef bij audio met taalwisselingen de verwachte talen op. Een aangepaste contextprompt vervangt de beheerde standaard en gaat boven de afzonderlijke sturing met taalcodes. Benoem daarom de verwachte talen in die prompt wanneer zowel taal- als scenariocontext nodig zijn. Houd het transcript in de daadwerkelijk gesproken talen, in plaats van transcriptie als vertaalinstructie te behandelen.

Het model komt ook voor in andere transcriptieworkflows van AssemblyAI, terwijl de eisen voor korte clips en resultaatvelden van het Sync-profiel bij deze specifieke interface horen. De Dictation-workflow van de maker voegt een afzonderlijke fase voor tekstopmaak en opschoning toe; een transcript en een herschreven bericht zijn verschillende werkstukken. Bewaar de herkende spraak wanneer een latere bewerkings- of samenvattingsstap een opgeschoonde versie oplevert, zodat de oorspronkelijke formulering beschikbaar blijft voor vergelijking.

Bruikbare eindproducten zijn onder meer een getranscribeerd spraakbericht, een voltooide beurt voor een assistent, korte doorzoekbare audiotekst of een woordenlijst met timing voor een controle-interface. Controleer de doorslaggevende woorden aan de hand van de opname, behoud ontbrekende uitlijningen en houd de clip gekoppeld aan de teruggegeven tekst. Het herkenningsresultaat geeft de volgende applicatiestap een transcriptie die op een bron is gebaseerd; het verzoek beantwoorden of het bericht bewerken hoort bij de omringende workflow.