Tegelikult otse-eetris: sinu kõnetoru meie enda tehisintellektile, kui sa räägid
Kuigi sa salvestad, lõikab lehekülg mikrofoni voolu lühisegmentidesse ~ mõni sekund, lõikab adapteriliselt nii et järgmine laev tuleb tagasi ~ ja torusid iga otse meie GPU serverid, kus sama Whisper-klassi mudel, mis võimu kogu saidi transkribeerib selle kohe. Tekst maandub live feed sekundit taga oma hääl ja hoiab voolab nii kaua, kui sa jätkad rääkimist. No brauseri kõne teenus, ei kolmanda osapoole diktatsioon API ~ live tekst on reaalne Whisper väljund meie enda riistvara.
Kuna see vajab ainult mikrofoni salvestust, töötab live režiim igas kaasaegses brauseris ~ Chrome, Edge, Safari ja Firefox, töölaud ja telefon. Iga audiosegment kustutatakse meie serveritest kohe, kui selle tekst tagasi tuleb.
Elussööt vs lõplik protokoll
Segmendi järgi transkriptsioonil on üks sisseehitatud piirang: mudel näeb mõnda sekundit korraga, nii et sõna, mis kulgeb kahe segmendi vahel, võib välja lõigata ja lõigustamine üle segmendipiiride on oletus. Seepärast lõpeb vool veel ühe sammuga: täielikku salvestamist hoitakse sinu brauseris, kui sa räägid, ja Transcrip jookseb see läbi mudeli ühe võttena ~ täiskontekst, õige kirjavahemärgid, ajatemplid, redaktor ja TXT/SRT/VTT eksport.
Kasuta otsevoogu, et kinnitada, et see on üleval ja haarata tekstist kohe, kui see on räägitud (vool on koopianupp); kasuta viimast kurvi kõige jaoks, mida sa hoiad. Audio jaoks, mis on juba failina olemas, on igal tööriistaleheküljel üleslaadimise režiim lühem asukoht.
Korduma kippuvad küsimused
Kas see on päriselt otse või lindistatud ja saadetud pärast seda?
Tegelikult on elus: salvestus ja transkriptsioon kattub. Leheküljel on iga paari sekundi järel meie GPU- sse viil heli, kui sa veel järgmisega räägid, nii et tekst koguneb salvestamise ajal, mitte pärast seda. Oodata, et uudistevoog jookseks peotäie sekundite järel hääle taga, kui see võtab aega viilu lõpetamiseks, üleslaadimiseks ja ümberkirjutamiseks.
Miks on otsesõnum mõni sekund minust taga?
Kolm väikest viivitust on kokku pandud: viilu peab olema salvestatud (kolm sekundit või nii), reisima serverisse ja läbima mudeli. See paneb tavaliselt umbes 4-8 sekundit hääle taga ja kui meie GPU-d on lühikese ajaga hõivatud, siis lehele kohaneb saates veidi pikemaid viile, mitte maha kukkuda. Looduslik kõne paus tundub sujuv.
Millised brauserid töötavad?
Kõik kaasaegsed ® Kroom, Edge, Safari ja Firefox, töölaual ja telefonid. See tugineb standard mikrofoni salvestamise asemel brauseri kõneteenus, nii et see toimib Firefox nii hästi kui Chrome.
Kuhu mu hääl läheb, kuniks elus transkriptsioon jookseb?
Ainult meie serveritele ja ausalt kirjeldatud: live režiim vooge oma audio meile lühikesed segmentides, kui sa räägid ~ et see, mis muudab ta elada ~ ja iga segment kustutatakse kohe pärast teksti tagasi. Miski läheb Google, Apple, või kolmanda osapoole kõne teenus. Täielik salvestus jääb oma brauseri kuni vajutate Transcrip, ja anonüümsed transkriptid auto-delete 24 tunni jooksul.
Kas ma võin seda kasutada, et jälgida koosolekut või loengut?
Isikliku abivahendina pane seade kõneleja lähedale ja söödaradade juurde hästi, umbes kümme sekundit maha. Tea piire: üks mikrofon, nii kauged hääled ja ristlus, mis seda halvendavad, ja see ei ole sertifitseeritud märketeenus ligipääsetavuse nõuetele. Vajuta Transcrip lõpus ja täielik context pass tavaliselt taastab, mida live feed kruss.
Millised keeled töötavad ja kas ma peaksin ühe valima?
Sama 90+ keeles nagu iga transkriptsioon sellel saidil ~ see on sama mudel. Üks vihje konkreetne live režiimi: valida oma keele valija asemel jättes auto-tuvastus. Avastamine töötab iga segmendi, ja seitse sekundit ei ole palju tõendeid, nii kinnihoidmine keel hoiab feed lainetes lühikese või aktsent fraase.