Fish Audio: Transcribe 1

Transcribe 1 is het algemene spraak-naar-tekstmodel van Fish Audio voor korte opnamen. Het ontvangt een audiobestand en geeft de herkende woorden terug als tekst, met de opnameduur, optionele segmenten met tijdsaanduidingen en taalinformatie wanneer die bekend is. Dit model is nuttig voor een korte spraaknotitie, een gesproken instructie, een fragment uit een opname of een audioclip waarvoor een leesbare tekstweergave nodig is.

Een voorbeeldwerkwijze voor spraaknotities bewaart de opname samen met het volledige transcript en een identificatie van de oorspronkelijke clip. Een latere stap in de toepassing kan die tekst doorzoeken, de notitie ordenen of een samenvatting maken terwijl de gesproken bron behouden blijft. Bij een opdracht levert het transcript herkende woorden aan de toepassing; elke actie is een afzonderlijke interpretatie- en uitvoeringsstap. Leg voor een interviewfragment de positie van de clip in de volledige audio vast, zodat een citaat op de juiste plek kan worden gecontroleerd.

De producent accepteert WAV, MP3, AAC inclusief M4A/MP4, FLAC en Ogg met Opus of Vorbis. Browseropnamen in WebM moeten voor dit model worden omgezet naar Ogg/Opus, MP3 of WAV; Pro documenteert ingebouwde ondersteuning voor extra containers. Lever één audiobestand per verzoek aan. Het gedocumenteerde verzoekbudget van het basismodel is maximaal 50 MiB, waarbij MP3- en Opus-bestanden kleiner dan 25 MiB moeten blijven. Bestandsgrootte en opnamelengte zijn verschillende aandachtspunten: een gecomprimeerd bestand kan binnen de uploadlimiet vallen en toch te lang duren om te verwerken.

Transcribe 1 is ontworpen voor korte opnamen. De producent beveelt Pro aan voor audio langer dan enkele minuten; een lang verzoek aan het basismodel kan mislukken als het de verwerkingstijdlimiet overschrijdt. Bewaar bij het opdelen van een langere bron voor transcriptie in korte clips de beginoffset van elke clip en bevestig dat het teruggegeven transcript de volledige clip dekt voordat u de resultaten samenvoegt. Tel de oorspronkelijke offset op bij de lokale segmenttijden om navigatie aan de volledige opname te blijven koppelen. De richtlijn voor het basismodel mag niet worden uitgelegd als de afzonderlijke limiet van 60 minuten van Pro.

Het antwoord van de producent bevat tekst, duur en segmenten. De duur wordt uitgedrukt in seconden en het leesbare volledige transcript moet als primaire verwoording van de clip worden bewaard. Tijdstempels zijn optioneel: ignore_timestamps staat in de API van de producent standaard op true, terwijl false segmenten op woordniveau opvraagt met tekst, begin- en eindtijden in seconden. Het aanvragen van uitlijning kost extra verwerkingstijd. Een lege segments-array kan wijzen op overgeslagen tijdsbepaling, afwezigheid van spraak of tijdelijk niet-beschikbare uitlijning en mag daarom niet automatisch worden opgevat als een leeg volledig transcript.

Segmenten zijn meestal woorden, of één of enkele tekens in het Chinees en Japans. Hun tekst bevat geen leestekens en kan een waarde anders normaliseren dan het volledige transcript; het is geen teken-voor-tekenkopie van het leesbare antwoord. Een segment kan dezelfde begin- en eindtijd hebben. Gebruik segmenten om een positie in de opname te vinden of een getimede weergave voor te bereiden en gebruik de volledige tekst wanneer formulering en interpunctie belangrijk zijn. Houd deze twee weergaven gescheiden in het uiteindelijke resultaat.

De taal wordt automatisch gedetecteerd, ongeacht of een optionele taalhint is aangeleverd. De producent documenteert ISO 639-1-codes in kleine letters voor hints en geeft voor toepassingslogica een taalcode terug, samen met een taalnaam voor weergave wanneer die bekend is. Het antwoord rapporteert één taal, niet elke taal in een opname waarin tussen talen wordt gewisseld. Bewaar de bronformulering en beschikbare taalmetadata bij het resultaat in plaats van het transcriptieverzoek als een vertaalbewerking te behandelen.

Groepeer voor ondertitels opeenvolgende getimede segmenten tot leesbare ondertitelblokken in plaats van één woord tegelijk te tonen. Een bruikbare uitvoer is een SRT- of WebVTT-bestand dat is gekoppeld aan de oorspronkelijke clip, met blokgrenzen die aansluiten op pauzes en een behapbare hoeveelheid tekst op het scherm. Controleer op ontbrekende tijden en zorg dat de eindtijd van elk blok na de begintijd ligt. Het groeperen van ondertitels en bestandsopmaak zijn toepassingsstappen op basis van de teruggegeven uitlijning; de weergavekeuzes moeten passen bij de speler en het publiek.

De gedocumenteerde instellingen van Transcribe 1 zijn audio, een taalhint en de keuze voor tijdstempels. De sprekermarkeringen, gestructureerde spreekbeurten, instellingen voor emotiegebeurtenissen en hints voor het aantal sprekers van Pro zijn afzonderlijke functies; ze maken geen deel uit van het gedocumenteerde antwoordcontract van dit basismodel. Kies vóór verwerking het benodigde resultaat: gewone leesbare tekst voor een notitie, of tekst met uitlijning voor afspeelnavigatie en ondertitels. Door de clipidentificatie, het transcript en alle beschikbare tijdsaanduidingen te bewaren blijft het resultaat nuttig voor de volgende stap in de toepassing.