Fish Audio: Transcribe 1 Pro

Transcribe 1 Pro is het speech-to-text-model van Fish Audio voor korte clips, gesprekken met meerdere sprekers en lange opnamen. Het ontvangt opgenomen audio en retourneert een transcript met optionele tijdinformatie en gestructureerde sprekerbeurten. De onderscheidende kenmerken zijn sprekerwisselingen die in de tekst zijn gemarkeerd en aanwijzingen over emoties of vocale gebeurtenissen, die meer van de gespreksstructuur van de opname behouden dan alleen een reeks woorden.

Bewaar bij een interview, vergadering of podcast het volledige gesprek in één bestand, zodat terugkerende sprekers binnen de respons consistente labels kunnen behouden. Een bruikbaar beoordelingsartefact is een transcript dat aan de oorspronkelijke opname is gekoppeld, met afzonderlijk weergegeven beurten en een tijdstempel om een citaat te controleren. Een samenvatting of actielijst is een volgende toepassingsstap: houd die gescheiden van het transcript, zodat de gesproken bron beschikbaar blijft voor vergelijking.

De producent accepteert opnamen tot 60 minuten en beschrijft het verwerken van lange bestanden met gecomprimeerde audio zoals MP3, Opus of AAC. Ondersteunde formaten zijn WAV, MP3, AAC in M4A of MP4, FLAC, Ogg met Opus of Vorbis, WebM/Matroska en MOV. Bij een videobestand gebruikt het model het eerste audiospoor. AIFF, CAF, WMA, AMR, AC-3 en ruwe PCM zonder header worden niet ondersteund. Per aanvraag wordt één audiobestand aangeleverd; het resultaat komt nadat de hele opname is getranscribeerd en een lange opname kan verschillende minuten kosten. Clips korter dan ongeveer 0,08 seconden worden geweigerd.

De producentrespons bevat de volledige tekst, de opnameduur in seconden en een segments-array. Pro markeert sprekerwisselingen inline met labels zoals <|speaker:0|> en <|speaker:1|>; een label geldt voor de volgende tekst tot de volgende markering. Dat zijn identifiers binnen één respons, geen geverifieerde namen of identiteiten die tussen aanvragen kunnen worden gekoppeld. Als het transcript geen sprekermarkering bevat, behandelt de gids het als een resultaat met één spreker. Bewaar eventuele tekst vóór de eerste markering bij de eerste beurt in plaats van die weg te gooien.

Tijdstempels op woordniveau zijn optioneel. In de producentaanvraag staat ignore_timestamps standaard op true; false vraagt om segmenten met tekst, begin- en eindtijden in seconden. Een segment is doorgaans een woord, of één of enkele tekens in het Chinees en Japans. Segmenttekst laat interpunctie, sprekermarkeringen en gebeurtenisaanwijzingen weg en kan een gesproken waarde anders normaliseren dan het volledige transcript. Een woordsegment kan dezelfde begin- en eindtijd hebben. Een lege segments-array kan betekenen dat geen tijdstempels zijn gevraagd, geen spraak is gevonden of tijdinformatie tijdelijk niet beschikbaar was. Gebruik het volledige transcript voor leesbare bewoordingen en segments voor uitlijning in plaats van aan te nemen dat beide tekenreeksen teken voor teken overeenkomen.

De instelling diarize staat standaard op auto. Wanneer tijdstempels worden gevraagd en diarize niet false is, retourneert Pro ook speaker_turns. Elke beurt bevat het sprekerlabel, de tekst en begin-/eindtijden en behoudt interpunctie en bewaarde aanwijzingen zonder de inline sprekermarkering. Als woordtiming niet beschikbaar is, kunnen beurttijden bij benadering zijn en de volledige opname beslaan; aangrenzende beurten zijn niet noodzakelijk aaneengesloten of vrij van overlap. Het uitschakelen van diarize verwijdert de gestructureerde beurtenlijst maar laat sprekermarkeringen in de volledige tekst staan. Een bekend aantal sprekers of minimum- en maximumaantallen kunnen de diarisatie van langere opnamen op best-effortbasis ondersteunen. Het exacte aantal kan niet met de aantalgrenzen worden gecombineerd en aantalhints kunnen niet worden gebruikt wanneer diarize is uitgeschakeld.

Aanwijzingen voor emoties en vocale gebeurtenissen verschijnen als tekst tussen vierkante haken, bijvoorbeeld [laughter], naast de herkende spraak. Het zijn gevolgtrekkingen uit de audio, geen woorden die een gebruiker vóór de transcriptie moet toevoegen. De instelling tag_audio_events van Pro staat standaard op true; uitschakelen verwijdert die aanwijzingen uit transcript en beurttekst zonder de tijdinformatie te veranderen. Er is geen afzonderlijk emotieveld of vaste emotie-enumeratie. Bewaar het geannoteerde transcript wanneer de klank van een opmerking belangrijk is en gebruik een versie zonder aanwijzingen wanneer het vervolgartefact alleen de gesproken woorden nodig heeft.

De taal wordt automatisch gedetecteerd. Een optionele ISO-639-1-hint in kleine letters dwingt geen vertaling af en verandert het transcript van Pro niet. Als de taal niet kan worden bepaald, kan de geretourneerde taalcode de hint weerspiegelen zonder die tegen de audio te verifiëren. De producent rapporteert één taal in plaats van een inventaris van elke taal in een opname met meerdere talen. Bewaar de oorspronkelijke bewoordingen en taalmetadata samen wanneer u een doorzoekbaar archief voorbereidt, vooral als verschillende delen van een gesprek van taal wisselen.

Groepeer voor ondertiteling opeenvolgende woorden met tijdinformatie in leesbare SRT- of WebVTT-cues in plaats van één ondertitel per woord te maken. Scheid cues rond pauzes en kies lengte en weergavetijd passend bij de speler en het publiek. Grenzen tussen sprekerbeurten kunnen verschillende sprekers in afzonderlijke cues houden. Controleer op een leeg timingresultaat en zorg dat het einde van een cue later ligt dan het begin. Ondertitelopmaak, namen voor anonieme sprekerlabels en een latere samenvatting zijn toepassingsartefacten die uit het transcriptieresultaat worden opgebouwd.

Bepaal voor een praktische opnameworkflow vóór transcriptie of u een eenvoudig leesbaar transcript, geannoteerde gespreksbeurten of getimede ondertitels nodig hebt. Bewaar de audio-identifier bij het resultaat, behoud de geretourneerde volledige tekst wanneer interpunctie en aanwijzingen belangrijk zijn en gebruik de gestructureerde timingvelden voor navigatie. De mogelijkheden van Pro voor lange opnamen en meerdere sprekers zijn onderscheiden van het algemene model Transcribe 1 voor korte opnamen; hun limieten en instellingen mogen niet als uitwisselbaar worden behandeld.