AssemblyAI: Universal-3.6 Proновая

Описание

Universal-3.6 Pro — это модель преобразования речи в текст от AssemblyAI, преемник Universal-3.5 Pro, предоставляемая здесь через API Sync от AssemblyAI. По сравнению с Universal-3.5 Pro, AssemblyAI сообщает о сокращении количества ошибок на 30 % в коротких разговорных фразах, на 12 % в среднем по поддерживаемым языкам, о добавлении 14 новых языков, а также об улучшенном распознавании и форматировании таких сущностей, как номера телефонов, адреса, электронные письма и коды. Он возвращает полную транскрипцию с временными метками на уровне слов в одном синхронном ответе для аудио продолжительностью до 20 минут, принимает входные данные в формате WAV и сжатые (MP3, M4A, AAC, Ogg/Opus, FLAC и WebM), а также поддерживает свободный текстовый запрос, ключевые слова и контекст разговора для управления транскрипцией в соответствии с предметной областью.

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-3-6-pro",
        file=f,
        language="ru",
    )
print(resp.text)

Поддерживаемые параметры запроса