AssemblyAI Best
нейрожелі
AssemblyAI Best — assembly-ai компаниясының аудионы мәтінге айналдыруға арналған моделі, ұзақ жазбаларды транскрипциялау үшін жарайды
Сипаттамалары
- Кіріс деректер
- аудио
- Нәтиже
- мәтін
Промптың құны
(1М токенге қарай)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
import fs from 'fs';
async function main() {
const { text } = await openai.audio.transcriptions.create({
file: fs.createReadStream('/path/to/file.mp3'),
model: 'assembly-ai-best',
});
console.log(text);
}main();
Қалай жұмыс істейді AssemblyAI Best?
AssemblyAI Best — assembly-ai ұсынған танып-жазу моделі: кіріске аудио қабылдап, оны мәтінге айналдырады. Қысқа дауыстық хабарламалармен де, көлемді жазбалармен де жұмыс істей алады, бір жауаптағы мәтін көлемі 4096 токенге дейін. BotHub-та бұл модельге VPN де, шетелдік карта да қажет емес: төлемді рубльмен, тек нақты жұмсалған токендер үшін жасайсыз, олар жанып кетпейді. Бір терезеде 250-ден астам модель тұрады, сондықтан алынған мәтінді әрі қарай өңдеу үшін басқа модельге ауысу оңай. Деректер AES-GCM арқылы шифрланады, ал бірыңғай OpenAI үйлесімді API интеграцияны қайта жазбай модель ауыстыруға мүмкіндік береді, компанияларға шарт, шот, ЭҚАЙ және лимиттері бар әкімшілік панель қолжетімді. Тәжірибеде модель подкаст пен вебинар жазбаларын мәтінге түсіруге, кездесу хаттамаларын дайындауға, қолдау қызметінің қоңырауларын талдауға, бейне субтитрлеріне негіз жасауға және зерттеу сұхбаттарын мұрағаттауға жарайды.AssemblyAI Best туралы жиі қойылатын сұрақтар
Генерация нәтижелерін коммерциялық мақсатта пайдалана аласыз. Жасалған контентке барлық құқық сізге тиесілі. Жалғыз шектеу: сұрауда үшінші тараптардың авторлық құқықпен қорғалған материалдары пайдаланылмағанына көз жеткізіңіз. Кіріс деректерінің құқықтарын сақтау жауапкершілігі пайдаланушыға жүктеледі.
AssemblyAI Best — сөйлеген сөзді мәтінге түрлендіруге арналған модель. Ол аудионы кіріс ретінде қабылдайды, соның ішінде ұзақ жазбаларды да. Подкасттарды, кездесулерді, сұхбаттарды, дәрістер мен қоңырауларды транскрипциялауға, субтитр мәтінін дайындауға және дыбыстық мұрағаттан ақпарат іздеуге ыңғайлы.
Бір жауапта модель 4096 токенге дейін мәтін қайтарады, ал контекст терезесі 4095 токенді құрайды. Ұзақ жазбаны бөлікке бөліп жібергеніңіз дұрыс: әр фрагменттің транскрипциясын бөлек алып, кейін оларды бір құжатқа біріктіресіз.
Бұл модель ой толғауға емес, дыбысты мәтінге айналдыруға бағытталған, ал жауап алдындағы пайымдау режимі біздің деректерімізде белгіленбеген. Транскрипцияны талдау, қорытындылау немесе құрылымдау керек болса, BotHub ішінде мәтінді басқа модельге беріп, бір терезеде жалғастыра аласыз.
Функцияларды шақыру мен құрылымдалған JSON шығару біздің деректерімізде белгіленбеген, сондықтан оған алдын ала сүйенбеген жөн. Дегенмен модель BotHub-тың бірыңғай OpenAI үйлесімді API арқылы қосылады: транскрипция нәтижесін өз сервисіңізде өңдеп, қажетті құрылымға келтіре аласыз.
Иә, аудио кіріс қолдау табады — модельдің негізгі сценарийі дәл сол, ұзақ жазбалармен жұмыс та қарастырылған. Сурет пен бейнені кіріс ретінде қабылдау біздің деректерімізде белгіленбеген, сондықтан мұндай тапсырмаларға BotHub каталогынан басқа модель таңдаған ыңғайлы.
Модель қолдайтын тілдердің нақты тізімі біздің деректерімізде көрсетілмеген, сондықтан дәлдік деңгейіне алдын ала кепілдік бермейміз. Ең сенімді жолы — өз жазбаңыздың шағын үзіндісін жүктеп, нәтижені өзіңіз тексеру. BotHub-та мұны VPN-сіз, шетелдік картасыз, рубльмен төлеп жасайсыз.