Seed ASR

Especificaciones y límites

No existe un id de modelo oficial 'seed-asr-bigmodel': BytePlus Seed Speech usa el model_name 'bigmodel' con los ids de recurso volc.bigasr.auc (Seed ASR 1.0) / volc.seedasr.auc (Seed ASR 2.0).

según documentación oficial de ByteDance ↗

Use Seed ASR en 30 segundos

Compatible con OpenAI: cambie el base_url y conserve su SDK. 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());

Acerca de Seed ASR

• Transcribe grabaciones de forma asíncrona mediante un flujo de envío y consulta adecuado para cargas de trabajo por lotes y offline: quien llama aporta su propio identificador de solicitud, que hace también de identificador de tarea, y luego consulta hasta que el código de estado informa de la finalización, con resultados producidos en un plazo de tres horas y recuperables durante siete días.
• El audio puede llegar a cinco horas y 512 MB en OPUS, WAV, MP3, OGG, AMR, AAC y M4A, en mono o estéreo.
• Reconoce por defecto mandarín, inglés, cantonés y varios dialectos chinos, con decenas de idiomas configurables desde el japonés hasta el árabe y detección automática de idioma opcional, que tiene prioridad sobre un idioma nombrado explícitamente cuando se fijan ambos.
• El sesgo por hotwords y el contexto conversacional mejoran la precisión, con listas de hotwords limitadas a 5000 palabras y el contexto de diálogo a 800 tokens o veinte rondas, y Seed ASR 2.0 extiende ese contexto a una imagen adjunta, una por solicitud.
• La diarización de hablantes, la separación de canales, las marcas de tiempo a nivel de enunciado y de palabra con confianza, el filtrado de palabras sensibles y las variantes de chino tradicional son todos indicadores opcionales; conviene señalar que la puntuación está desactivada por defecto mientras que la normalización inversa de texto está activada, y que la diarización es una función del modo de archivo que los modos en streaming no ofrecen.
• Synthorai lo envuelve en un endpoint de transcripción compatible con OpenAI.

Preguntas frecuentes

Modelos relacionados

Comparar