Reyndar lifa: ræða pípur þínar til eigin AI okkar á meðan þú talar
Þegar þú tekur upp, síðuna sker hljóðnemann straum í stutta hluta - nokkrar sekúndur hver, skera aðlögunarhæf svo næsta sendingu á þeim tíma sem fyrri kemur aftur - og pípa hver beint til GPU netþjóna okkar, þar sem sama Whisper-flokki líkan sem knýr alla síðuna ritar það strax. Textinn lendir í lifandi straum sekúndur eftir rödd þína og heldur áfram að flæða eins lengi og þú heldur áfram að tala. Engin vafra talþjónusta, engin þriðju aðila dictation API - lifandi texti er raunverulegur Whisper framleiðsla frá eigin vélbúnaði okkar.
Vegna þess að það þarf aðeins hljóðnema upptöku, lifandi háttur virkar í öllum nútíma vafra - Chrome, Edge, Safari og Firefox, skrifborð og sími.Hver hljóð hluti er eytt af netþjónum okkar þegar texti hans kemur aftur.
The lifandi fóður vs endanlega afritun
Hluti-fyrir-hluti uppskrift hefur eitt innbyggt takmörk: líkanið sér nokkrar sekúndur í einu, þannig að orð sem spannar tvo hluta getur komið út klippa og greinarmerki yfir hluta mörk er giska.Þess vegna flæði lýkur með einu skrefi í viðbót: full upptöku er haldið í vafranum þínum á meðan þú talar, og ýta á Transscribe keyrir það í gegnum líkanið sem einn taka - fullt samhengi, rétt greinarmerki, tímastimpill, ritstjóri og TXT / SRT / VTT útflutningur.
Notaðu strauminn til að staðfesta að hann sé að halda uppi og til að taka texta þegar hann er talað (þar er afritunarhnappur á straumnum); notaðu lokapassa fyrir allt sem þú vilt halda. Fyrir hljóð sem þú hefur þegar sem skrá, er upphleðsluhamur á hvaða verkfærasíðu sem er styttri leiðin.
Algengar spurningar
Er þetta raunverulega lifandi, eða tekið upp og sent eftir það?
Síðan sendir hverja nokkra sekúndna hljóðsneið í GPU-na okkar á meðan þú ert enn að tala um næstu, þannig að textinn safnast upp á meðan á upptöku stendur, ekki eftir hana. Búast má við að straumurinn gangi nokkrum sekúndum á eftir rödd þinni — sá tími sem það tekur að klára, hlaða upp og afrita sneið.
Af hverju er lifandi texti nokkrar sekúndur á eftir mér?
Þrjár litlar töf stafar upp: sneið verður að ljúka upptöku (þrjár sekúndur eða svo), ferðast til miðlara, og fara í gegnum líkanið. Það setur venjulega straum um 4-8 sekúndur á eftir rödd þinni — og ef GPU okkar er stutt upptekin, síðuna aðlagast með því að senda örlítið lengri sneiðar í stað þess að falla á bak.
Í hvaða vöfrum virkar lifandi stilling?
Öll nútímaleg - Chrome, Edge, Safari og Firefox, á skjáborði og síma.Það byggist á venjulegri hljóðnema upptöku frekar en vafra talþjónustu, svo það virkar í Firefox eins vel og í Chrome.
Hvar fer rödd mín á meðan lifandi afritunin er í gangi?
Aðeins á netþjónum okkar og heiðarlega lýst: lifandi stilling streymir hljóðinu til okkar í stuttum hlutum eins og þú talar - það er það sem gerir það lifandi - og hverjum hluta er eytt strax eftir að textinn kemur aftur. Ekkert fer til Google, Apple eða einhverra talþjónustu þriðja aðila. Full upptaka er áfram í vafranum þínum þar til þú ýtir á Transscribe og nafnlaus afritunar sjálfvirkt eytt innan 24 klukkustunda.
Get ég notað það til að fylgjast með fundi eða fyrirlestri í herberginu?
Sem persónuleg aðstoð, já - settu tækið nálægt hátalaranum og straumurinn fylgist með skýrri ræðu vel, um tíu sekúndur á eftir. Þekktu takmörkin: einn hljóðnemi, svo fjarlægar raddir og yfirtalning niðurbrot, og það er ekki vottuð textaþjónusta fyrir aðgengi að samræmi. Ýttu á afritun í lok og full-samhengispassið endurheimtir venjulega það sem lifandi straumurinn fumbled.
Hvaða tungumál virka í beinni og ætti ég að velja eitt?
Sama 90+ tungumálin og öll uppskriftin á þessari síðu — það er sama líkanið. Ein ábending sérstaklega fyrir lifandi stillingu: veldu tungumálið þitt í valmyndinni í stað þess að láta sjálfvirka uppgötvun vera á. Uppgötvun fer fram á hvern hluta og sjö sekúndur eru ekki mikið vitnisburður, svo að festa tungumálið heldur straumnum frá því að sveiflast á stuttum eða hreinum setningum.