Iš tikrųjų gyva: jūsų kalba vamzdis į mūsų pačių AI, kai jūs kalbėti
Nors jūs įrašote, puslapis iškirpti mikrofono srautą į trumpus segmentus - kelias sekundes kiekvieną, sumažinti adaptyviai, kad kitas vienas laivas, tuo metu, kai ankstesnis sugrįžta - ir vamzdžiai kiekvienas tiesiai į mūsų GPU serverius, kur tas pats Whisper klasės modelis, kuris gali visą svetainę transliuoja jį iš karto. Tekstas palieka gyvas pašarų sekundžių už jūsų balso ir nuolat teka tol, kol jūs nuolat kalbėti. Jokių naršyklės kalbos tarnyba, nė vienas trečiosios šalies diktacija API – gyvas tekstas yra realios Whisper išeigos iš mūsų pačių aparatūros.
Kadangi jam reikia tik mikrofono įrašymo, gyvasis režimas veikia kiekvienoje modernioje naršyklėje: Chrome, Edge, Safari, Firefox, darbastalis ir telefonas. Kiekvienas garso segmentas ištrintas iš serverių, kai vėl atsidaro jo tekstas.
Gyvas pašaras ir galutinis stenogramos
Segment-by-segment transkripcija turi vieną integruotą limitą: modelis mato kelias sekundes vienu metu, todėl žodis, kad striples du segmentai gali iškirpti, ir skyrybos per segmento ribų yra spėjama. Štai kodėl srautas baigiasi su vienu žingsniu: visas įrašas yra laikomas naršyklėje, kai jūs kalbate, ir paspauskite Trancript veikia jį per modelį kaip vieną perimti – pilnas kontekstas, tinkamas skyrybos, timestampанататоватоватоватоватовитовитоти ветовитетовити ветити ветети вет ва, ви в, ст,, с
Naudokite gyvą kanalą patvirtinti, kad jis išlaiko ir patraukti tekstą, kai jis yra kalbama (yra kopija mygtuką ant pašarų); naudokite galutinį leidimą, kad nieko jūs laikysite. Garsui jūs jau turite kaip failą, įkelti režimą bet įrankyje puslapyje yra trumpesnis kelias.
Dažnai užduodami klausimai
Ar tai iš tikrųjų gyva, ar užregistruota ir išsiųsta vėliau?
Iš tikrųjų gyvai: įrašymo ir transkripcijos metu. Puslapis kiekvieną kelių sekundžių garso gabalą įstato į mūsų GPU, kol jūs vis dar kalbate apie kitą, todėl tekstas kaupiasi įrašymo metu, o ne po jo. Tikėkitės, kad kabantis kelias sekundes už jūsų balso – laikas, per kurį jis turi baigti, įkelti ir transliuoti.
Kodėl gyvas tekstas už kelių sekundžių?
Trys nedideli vėlavimai kamino iki: gabalėlis turi baigtis įrašoma (tris sekundes ar taip), keliauti į serverį, ir pereiti per modelį. Tai paprastai įdeda pašarų apie 4-8 sekundžių už jūsų balso – ir jei mūsų GPU yra trumpai užimtas, puslapis adaptuoja siunčiant šiek tiek ilgesnius gabalėlius, o ne atsilieka. Natūralus kalba su pauzėmis jaučiasi sklandžiai.
Kuriose naršyklėse veikia gyvas režimas?
Visi modernūs įrenginiai – „Chrome“, „Egla“, „Safari“ ir „Firefox“ staliniame ir telefoniniame telefone. Jie veikia ne tik naršyklės, bet ir „Firefox“, bet ir standartiniu mikrofono įrašu.
Kur eina mano balsas, kai vyksta gyva transkripcija?
Tik serveriams ir jiems teisingai aprašyta: gyvas režimas leidžia garsą mums trumpuose segmentuose, kaip jūs kalbate, – tai daro jį gyvą – ir kiekvienas segmentas yra ištrintas iš karto po jo teksto grįžta. Nieko eina į "Google", "Apple", ar bet kokios trečiosios šalies kalbos paslaugą. Visas įrašas lieka jūsų naršyklėje tol, kol paspausite Perrašymai, ir anoniminiai transkriptai auto-delete per 24 valandas.
Ar galiu juo sekti sueigą ar paskaitą?
Kaip asmeninė pagalba, taip — padėkite prie garsiakalbio įrenginį ir maitinimo takelius aiškiai kalbą, apie dešimt sekundžių už jos. Žinokite ribas: vienas mikrofonas, taip tolimi balsai ir kryžmėlis jį išblaško, ir tai nėra sertifikuota užrašų paslauga, užtikrinanti atitiktį prieinamumui. Paspauskite Atsekimo pabaigą ir pilną kontekstą paprastai atgauna tai, ką gyvas paleidimas sugražina.
Kurios kalbos veikia, ir turėčiau pasirinkti vieną?
Tas pats 90+ kalbos kaip ir kiekvienas transkripcija šioje svetainėje — tai tas pats modelis. Vienas patarimas būdingas gyvai režimui: pasirinkti savo kalbą selektorių, o ne palikti auto-detektuoti. Aptikimas vyksta segmente, ir septynios sekundės nėra daug įrodymų, todėl valant kalba iš Warning trumpų ar akcentuotų frazių.