डायराइज़्ड ट्रांसक्रिप्शन।
हर स्पीकर का नाम।
मीटिंग रिकॉर्डिंग या कॉल फ़ाइल से पूरी तरह स्पीकर-वाइज़ ट्रांसक्रिप्ट तक — स्पीच रिकग्निशन, डायराइज़ेशन और स्पीकर आइडेंटिफ़िकेशन को एक ही ऑन-डिवाइस पाइपलाइन में पिरोया गया। कोई क्लाउड API नहीं, कोई प्रति-मिनट कीमत नहीं, कोई डेटा डिवाइस से बाहर नहीं।
एक ही पाइपलाइन के चार रूप।
हर रूप ASR + डायराइज़र + वैकल्पिक स्पीकर-ID रजिस्ट्री जोड़ता है। कॉम्पोनेंट्स आपस में बदले जा सकते हैं; ऑडियो स्रोत और लेटेंसी बजट के हिसाब से चुनें।
एक ही Zoom एक्सपोर्ट से "Alice ने कहा…" / "Bob ने कहा…" अट्रिब्यूशन।
एजेंट बनाम कॉलर टर्न, हर स्पीकर का सेंटिमेंट, कंप्लायंस के लिए डिवाइस पर।
पूरे एपिसोड में होस्ट और गेस्ट पहचाने जाते हैं, शब्द-स्तर टाइमस्टैम्प सहित।
अदालत-योग्य अट्रिब्यूशन, बिना ऑडियो को डिवाइस से बाहर भेजे।
शब्दों का ट्रांसक्रिप्शन करें और वक्ता के खंड देखें।
Apple Silicon पर CLI इंस्टॉल करने के बाद, अलग-अलग कमांड से रिकॉर्डिंग का ट्रांसक्रिप्शन करें और वक्ता के खंड देखें।
पहचाना गया टेक्स्ट टर्मिनल में दिखाएँ।
speech transcribe meeting.wavवक्ता के लेबल और समय-सीमाएँ JSON में देखें, या RTTM के लिए --rttm इस्तेमाल करें।
speech diarize meeting.wav --jsonये कमांड अलग-अलग परिणाम देते हैं। ये वक्ता के लेबल वाला ट्रांसक्रिप्ट नहीं बनाते और न ही पहले से दर्ज आवाज़ों की पहचान करते हैं।
किसी फ़ोल्डर की हर WAV रिकॉर्डिंग के लिए सादा टेक्स्ट ट्रांसक्रिप्ट सहेजें:
speech transcribe-batch recordings/ --extensions wav --output-dir transcripts/