AssemblyAI Universal 2
нейрожелі
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-universal-2',
});
console.log(text);
}main();
Қалай жұмыс істейді AssemblyAI Universal 2?
AssemblyAI Universal 2 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 Universal 2 — аудионы мәтінге түрлендіруге арналған модель, соның ішінде ұзақ жазбалармен жұмыс істеуге мүмкіндігі бар. Ол сұхбаттар мен подкасттарды транскрипциялауға, субтитрлер жасауға, қоңырауларды жазуға және іздеу мен аналитикаға арналған мәтіндік базаны дайындауға қолайлы.
Шығыс мәліметтердің максималды көлемі max_output_tokens (4096) параметрімен және қолжетімді контекстпен (4095) анықталады. Іс жүзінде жауаптың жалпы ұзындығы кіріс деректердің ұзындығы мен сұрау параметрлеріне байланысты, сондықтан мәтіннің нақты көлемі азырақ болуы мүмкін.
Біздің деректерде жауап алдында айқын пайымдау функциясы (chain-of-thought) көрсетілмеген. Модель негізінен аудионы мәтінге түрлендіруге бағытталған; егер сізге кезең-кезеңімен пайымдау арқылы генерация қажет болса, модельдің мысалдардағы жұмысын тексеріп, жауаптарды растаңыз.
Біздің деректерде function calling және формализацияланған JSON шығысын кіріктірілген қолдау туралы ақпарат жоқ. Кейбір жағдайларда құрылымды JSON-ды prompt engineering арқылы алуға болады, бірақ сенімді интеграция үшін тест жүргізіп, API жеткізушісімен нақтылаған жөн.
Модель кіріс ретінде аудионы қабылдайды — бұл біздің деректерде, соның ішінде үлкен аудио жазбаларды өңдеуде көрсетілген. Суреттерді қабылдау немесе видеоны тікелей қолдау туралы ақпарат деректерде жоқ; видео үшін әдетте аудиожолды бөліп алып, транскрипцияға жібереді.
Біздің деректерде орыс тілін тану сапасы туралы тікелей ақпарат жоқ. Жалпы алғанда, транскрипция дәлдігі жазба сапасына, шуға, екпінге және модель параметрлеріне байланысты; жарамдылығын бағалау үшін өз аудиоңызбен нақты мысалдарды тексеріп, нәтижелерді салыстыруды ұсынамын.