Zdializowana transkrypcja.
Każdy głośnik o imieniu.
Od nagrania spotkania lub pliku wywoławczego do całkowicie przypisanego transkryptu - rozpoznawania mowy, diaryzacji głośnika i identyfikacji głośnika zszyte w jeden rurociąg on- device. Brak API chmury, brak cen Per- minute, brak danych opuszczających urządzenie.
Cztery kształty tego samego rurociągu.
Każdy kształt złącza ASR + diarizer + opcjonalny sklep z zapisem głośnomówiący ID. Składniki są wymienne; to co wybierasz zależy od źródła dźwięku i budżetu na opóźnienie.
"Alice powiedziała"... / "Bob powiedział"... przypisanie z pojedynczego eksportu Zoom.
Agent kontra dzwoniący, sentyment na głośnik, na urządzeniu dla zgodności.
Host + goście zidentyfikowany w całym odcinku, znaczniki czasu na poziomie słowa.
Przypisanie do klasy sądowej bez dźwięku, które nigdy nie opuszczało urządzenia.
Transkrybowane słowa i skontrolować segmenty głośników.
Po zainstalowaniu CLI na Apple Silicon, przepisywać i sprawdzać segmenty głośników z oddzielnymi poleceniami.
Drukuj rozpoznane słowa w Terminalu.
speech transcribe meeting.wavSprawdź etykiety głośników i zakresy czasowe jako JSON, lub użyj --rttm dla RTTM.
speech diarize meeting.wav --jsonPolecenia te zwracają osobne wyniki. Nie generują transkryptu z etykietami głośników ani nie pasują do zapisanych głosów.
Zapisz jeden zapis tekstowy na zapis WAV w folderze:
speech transcribe-batch recordings/ --extensions wav --output-dir transcripts/