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: 'tbank-voicekit-stt',
});
console.log(text);
}main();
Как работает VoiceKIT-STT?
Частые вопросы о VoiceKIT-STT
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.
VoiceKIT‑STT преобразует аудио в текст, включая работу с большими аудиофайлами. Подходит для транскрибации встреч и интервью, протоколирования, создания субтитров и обработки подкастов. Удобен там, где нужно получить текстовую версию длительных записей.
Модель может генерировать текст в пределах своей максимальной длины вывода — указано число выходных токенов. На итоговый объём влияет длина входного контекста и самого аудиофайла: чем длиннее вход, тем меньше остаётся места для вывода.
В наших данных не отмечено наличие режима явных рассуждений перед выводом; модель сконцентрирована на преобразовании аудио в текст. Если нужен аналитический вывод или пояснения, лучше комбинировать транскрипт с отдельной моделью, которая умеет строить рассуждения.
В наших данных не отмечено встроенной поддержки вызова функций или гарантированного структурированного JSON‑вывода. Для получения структурированных результатов можно постобрабатывать транскрипт на стороне приложения или уточнить в документации BotHub, как организовать такой вывод через API.
В данных указано, что модель принимает аудио на вход, то есть работает с голосовыми файлами и потоками. Про приём изображений и видео в наших данных не отмечено; при необходимости можно извлечь аудиодорожку из видео и загрузить её в модель.
В наших данных нет точных метрик по качеству распознавания русского языка. Реальная точность зависит от качества записи, фонового шума и дикции говорящих. Рекомендуем протестировать модель на ваших аудиозаписях через BotHub, чтобы оценить точность в конкретных условиях.