ElevenLabs: Scribe v2

ElevenLabs Scribe v2 je model za paketno prepoznavanje govora iz posnetega zvoka, prepisovanje ter pripravo podnapisov in napisov za dostopnost. Nadgrajuje Scribe v1 z izboljšano obravnavo dolgih posnetkov, premorov, sprememb tona in daljše tišine. Rezultat je zapisan govor s časovnimi podatki ter izbirnimi oznakami govorcev in zvočnih dogodkov. Scribe v2 Realtime je ločena izdaja za prepisovanje v živo; namen tega modela je obdelava celotnih posnetkov.

Proizvajalec dokumentira prepoznavanje v več kot 90 jezikih in samodejno zaznavanje jezika, tudi pri posnetkih, ki prehajajo med jeziki. Namig o znanem jeziku lahko modelu pomaga razložiti zvok. Pripravite jasen posnetek, ohranite izvirni jezik in imena ter se izogibajte močnemu prekrmiljenju ali nepotrebni obdelavi, ki odstrani podrobnosti govora. Med običajnimi dokumentiranimi vhodi so WAV, MP3, FLAC, M4A, AAC, OGG, Opus in WebM. Izberite vhodno predstavitev, ki jo podpira izvedba prepisovanja, in izvorni posnetek ohranite za pregled.

Standardni odgovor vsebuje prepoznano besedilo, informacije o zaznanem jeziku in zaporedje časovno označenih besed. Zapisi besed lahko vključujejo začetni in končni čas, identifikatorje govorcev in logaritemsko verjetnost prepoznave. Zaradi tega je rezultat uporaben za podnapise, intervjuje z možnostjo iskanja ali urejevalnik, ki se vrne k ustreznemu zvoku. Časovno označeni rezultat hranite skupaj z izvornim zvokom. Pri podkastu je lahko končni izdelek na primer prepis, ki ga je mogoče urejati, in zapis, poravnan po besedah, ki pomaga najti popravke pred razporejanjem podnapisov.

Diarizacija govorcev označuje, kdo govori in kdaj v zvoku z več govorci; proizvajalec dokumentira do 32 govorcev. Omogočite jo, kadar so menjave govorcev pomembne, in navedite smiselno število govorcev, če je znano. Zaznano oznako govorca ločite od preverjenega imena osebe. Pri intervjuju ali sestanku menjave govorcev preverite glede na posnetek, zlasti kadar se glasovi prekrivajo ali zvenijo podobno. Oznaka pomaga urediti prepis; sama ne potrjuje identitete govorca.

Posnetek z enim govorcem na kanal ima drugačno strukturo kot več glasov, zmešanih v en kanal. Proizvajalčev vmesnik lahko neodvisno obdela do pet kanalov in vrne ločene prepise ali združen prepis, urejen po času, z indeksi kanalov. Kadar je razporeditev kanalov pomembna, jo ohranite. Združitev ločenega posnetka klica pred prepisovanjem lahko zavrže uporaben vir informacij o govorcih. Pripisovanje na podlagi kanalov ločite od diarizacije, sklepane iz mešanega zvoka. Združeni večkanalni odgovor zahteva časovne oznake in ne more vključevati zaznavanja ali zakrivanja entitet.

Usmerjanje s ključnimi izrazi s pomočjo konteksta vodi prepoznavanje imen, izrazov za izdelke in strokovnega besedišča. Trenutna dokumentacija za paketno obdelavo dovoljuje do 1.000 izrazov, vsak z manj kot 50 znaki in največ petimi besedami. Predložite relevantne zapise namesto širokega nepovezanega kataloga. Pri tehničnem intervjuju navedite imena izdelkov in okrajšave, ki se bodo verjetno pojavili, nato pa jih preverite pri njihovih časovnih oznakah v rezultatu. Ključni izrazi usmerjajo prepoznavanje; niso navodila za vstavljanje izraza, kadar ga posnetek ne podpira.

Pred čiščenjem izberite namen prepisa. Dobesedni zapis ohrani izgovorjeno besedilo, dokumentirana možnost no-verbatim pa odstrani mašila, napačne začetke in zatikanja za bolj berljiv rezultat. Dinamično označevanje zvoka lahko prepozna negovorne dogodke, kot sta smeh ali koraki. Urejen prepis je lahko uporaben za podnapise ali branje, vendar ne sme tiho nadomestiti surovega zapisa, kadar so ponovitve, popravki ali negovorni zvoki pomembni za nalogo.

Proizvajalec dokumentira tudi zaznavanje entitet in poskusno urejanje prepisa. V proizvajalčevem vmesniku urejanja prepisa ni mogoče združiti z zaznavanjem entitet, zakrivanjem entitet ali večkanalnim prepisovanjem. Zaznane entitete zagotavljajo strukturirane položaje izbranih informacij v prepisu. Izbirno zakrivanje entitet zaznano besedilo prekrije z nadomestnimi oznakami; odvisno je od zaznavanja entitet, seznam entitet pa se ob omogočenem zakrivanju ne vrne. Zakrivanje poteka med prepisovanjem z uporabo splošne nadomestne oznake, oznake kategorije ali oštevilčene oznake kategorije. Samodejno zakrivanje lahko spregleda občutljivo vsebino, zato zakriti prepis pred deljenjem preglejte. Urejanje z naravnim jezikom vrne urejeno besedilo skupaj z izvirnim rezultatom, prvotni časovni zapis in zapis govorcev pa ostaneta na voljo. Te izdelke hranite ločeno: popravljeni zapis besede ali preoblikovani stavek lahko zahtevata ponovno preverjanje pred poravnavo z zvokom ali uporabo pri nadaljnjem izluščanju. Te funkcije obdelujejo prepis; ne potrjujejo, da je bila vsaka pomembna podrobnost pravilno prepoznana.

Za dokončan prepis preverite imena, številke, zanikanja in menjave govorcev z vrnitvijo k ustreznemu zvoku. Pozornost namenite tihim delom, prekrivanju in menjavam jezika, namesto da kakovost presojate le po tekočem besedilu. Negotovo ubesedenje ohranite za popravek, namesto da neslišen odlomek dopolnite z verjetnim stavkom. Uporaben rezultat je preverjen besedilni zapis s časovnimi podatki in informacijami o govorcih, potrebnimi za predvideno uporabo; prepis lahko nato postane vhod za ločen korak povzemanja, prevajanja ali analize.