Seed ASR

Spezifikationen & Limits

Eine offizielle Modell-id 'seed-asr-bigmodel' gibt es nicht: BytePlus Seed Speech verwendet model_name 'bigmodel' mit den Ressourcen-ids volc.bigasr.auc (Seed ASR 1.0) / volc.seedasr.auc (Seed ASR 2.0).

laut Offizielle ByteDance-Dokumentation ↗

Seed ASR in 30 Sekunden nutzen

OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/audio/transcriptions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.audio.transcriptions.create(
    model="seed-asr-bigmodel",
    file=open("meeting.mp3", "rb"),
    language="en",
)
print(resp.text)

import OpenAI from "openai";
import fs from "node:fs";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.audio.transcriptions.create({
  model: "seed-asr-bigmodel",
  file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);

curl https://synthorai.io/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-syn-..." \
  -F model="seed-asr-bigmodel" \
  -F file=@meeting.mp3

package main

import (
	"context"
	"fmt"
	"os"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	f, _ := os.Open("meeting.mp3")
	resp, _ := client.Audio.Transcriptions.New(context.TODO(), openai.AudioTranscriptionNewParams{
		Model: "seed-asr-bigmodel",
		File:  f,
	})
	fmt.Println(resp.Text)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.audio.transcriptions.*;
import java.nio.file.Paths;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

Transcription resp = client.audio().transcriptions().create(
    TranscriptionCreateParams.builder()
        .model("seed-asr-bigmodel")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

Über Seed ASR

• Es transkribiert Aufnahmen asynchron über einen Submit-and-Query-Ablauf, der sich für Batch- und Offline-Workloads eignet: Die aufrufende Seite liefert ihre eigene Request-ID, die zugleich als Task-ID dient, und fragt dann ab, bis der Statuscode den Abschluss meldet, wobei Ergebnisse innerhalb von drei Stunden entstehen und sieben Tage lang abrufbar sind.
• Audio kann bis zu fünf Stunden und 512 MB umfassen, in OPUS, WAV, MP3, OGG, AMR, AAC und M4A, in Mono oder Stereo.
• Es erkennt standardmäßig Mandarin, Englisch, Kantonesisch und mehrere chinesische Dialekte, mit Dutzenden einstellbaren Sprachen von Japanisch bis Arabisch und optionaler automatischer Spracherkennung, die Vorrang vor einer ausdrücklich benannten Sprache hat, wenn beides gesetzt ist.
• Hotword-Biasing und konversationeller Kontext verbessern die Genauigkeit, wobei Hotword-Listen auf 5.000 Wörter und der Dialogkontext auf 800 Token oder zwanzig Runden begrenzt sind, und Seed ASR 2.0 erweitert diesen Kontext um ein begleitendes Bild, eines pro Anfrage.
• Sprecher-Diarisierung, Kanaltrennung, Zeitstempel auf Äußerungs- und Wortebene mit Konfidenz, Filterung sensibler Wörter und traditionelle chinesische Varianten sind allesamt optionale Flags; beachten Sie, dass Interpunktion standardmäßig aus ist, während die inverse Textnormalisierung an ist, und dass die Diarisierung eine Funktion des Dateimodus ist, die die Streaming-Modi nicht bieten.
• Synthorai kapselt es in einem OpenAI-kompatiblen Transkriptions-Endpoint.

FAQ

Verwandte Modelle

Vergleichen