AssemblyAI: Universal-3.5 Pro

Описание

Universal-3.5 Pro — это модель преобразования речи в текст от AssemblyAI, предоставляемая через API Sync. Она возвращает полную расшифровку с временными метками на уровне слов в одном синхронном ответе для аудио продолжительностью до 20 минут. Модель принимает файлы в формате WAV и сжатые входные данные (MP3, M4A, AAC, Ogg/Opus, FLAC и WebM), а также поддерживает подсказки произвольным текстом, ключевые слова и контекст разговора для управления транскрипцией с учетом предметной лексики.

Характеристики

API и примеры кода

from openai import OpenAI

client = OpenAI(
    base_url="https://infergate.ru/api/v1",
    api_key="sk-•••",
)

with open("speech.mp3", "rb") as f:
    resp = client.audio.transcriptions.create(
        model="assemblyai/universal-3-5-pro",
        file=f,
        language="ru",
    )
print(resp.text)

Поддерживаемые параметры запроса