Meta: Muse Voice Transcribe 1.0

Описание

Muse Voice Transcribe 1.0 — это синхронная модель преобразования речи в текст от Meta. Она подходит для транскрипции в режиме "нажми и говори", определения конца речи и транскрипции с учетом говорящего, с выделением ключевых слов для доменных терминов и языковым выделением с помощью подсказок по названию языка. Она принимает моно аудио в формате PCM WAV с разрядностью 16 бит при частоте 16 кГц или 24 кГц для записей продолжительностью до 10 минут. Она не предоставляет временные метки на уровне слов или оценки уверенности, а аудио других форматов необходимо конвертировать в WAV перед загрузкой.

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="meta/muse-voice-transcribe-1.0",
        file=f,
        language="ru",
    )
print(resp.text)

Поддерживаемые параметры запроса