AssemblyAI Universal 2
нейросеть
Характеристики
- Входные данные
- аудио
- Результат
- текст
Стоимость промпта
(за 1M токенов)
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();
Как работает AssemblyAI Universal 2?
Частые вопросы о AssemblyAI Universal 2
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
AssemblyAI Universal 2 — модель для преобразования аудио в текст, включая работу с длинными записями. Подходит для транскрибации интервью и подкастов, создания субтитров, расшифровки звонков и подготовки текстовой базы для поиска и аналитики.
Максимальный объём вывода определяется параметром max_output_tokens (4096) и доступным контекстом (4095). На практике итоговая длина ответа зависит от длины входных данных и параметров запроса, поэтому реальный объём текста может быть меньше.
В наших данных функция явных рассуждений перед выводом (chain-of-thought) не отмечена. Модель прежде всего ориентирована на преобразование аудио в текст; если вам нужна генерация с пошаговыми рассуждениями, проверьте поведение модели на примерах и верифицируйте ответы.
Информация о встроенной поддержке function calling и формализованного вывода JSON в наших данных не указана. В ряде случаев структурированный JSON можно получить через prompt engineering, но для надёжной интеграции стоит провести тесты и уточнить у поставщика API.
Модель принимает аудио на вход — в наших данных это отмечено, включая обработку больших аудиозаписей. Информация о приёме изображений или нативной поддержки видео в данных не указана; для видео обычно извлекают аудиодорожку и отправляют её на транскрибуцию.
В наших данных нет прямой информации о качестве распознавания русского языка. В целом точность транскрибации зависит от качества записи, шумов, акцента и параметров модели; для оценки пригодности рекомендую прогнать реальные примеры с вашими аудио и сравнить результаты.