Seed ASR

Spécifications et limites

Il n'existe pas d'id de modèle officiel « seed-asr-bigmodel »: BytePlus Seed Speech utilise le model_name « bigmodel » avec les ids de ressource volc.bigasr.auc (Seed ASR 1.0) / volc.seedasr.auc (Seed ASR 2.0).

selon docs officielles ByteDance ↗

Utilisez Seed ASR en 30 secondes

Compatible OpenAI : changez la base_url, gardez votre 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());

À propos de Seed ASR

• Il transcrit les enregistrements de façon asynchrone via un flux de soumission puis d'interrogation adapté aux charges par lots et hors ligne : l'appelant fournit son propre identifiant de requête, qui sert aussi d'identifiant de tâche, puis interroge jusqu'à ce que le code de statut signale l'achèvement, les résultats étant produits sous trois heures et récupérables pendant sept jours.
• L'audio peut atteindre cinq heures et 512 Mo, aux formats OPUS, WAV, MP3, OGG, AMR, AAC et M4A, en mono ou en stéréo.
• Il reconnaît par défaut le mandarin, l'anglais, le cantonais et plusieurs dialectes chinois, avec des dizaines de langues paramétrables du japonais à l'arabe et une détection automatique de la langue optionnelle, laquelle prime sur une langue explicitement nommée lorsque les deux sont définies.
• Le biais par mots-clés et le contexte conversationnel améliorent la précision, les listes de mots-clés étant plafonnées à 5 000 mots et le contexte de dialogue à 800 tokens ou vingt tours, et Seed ASR 2.0 étend ce contexte à une image jointe, une par requête.
• La diarisation des locuteurs, la séparation des canaux, les horodatages au niveau de l'énoncé et du mot avec confiance, le filtrage des mots sensibles et les variantes en chinois traditionnel sont autant d'indicateurs facultatifs ; notez que la ponctuation est désactivée par défaut alors que la normalisation inverse du texte est activée, et que la diarisation est une fonctionnalité du mode fichier que les modes streaming n'offrent pas.
• Synthorai l'enveloppe dans un endpoint de transcription compatible OpenAI.

FAQ

Modèles associés

Comparer