Paraformer Realtime v2

Specifiche e limiti

Generazione Paraformer orientata allo streaming con personalizzazione tramite hotword e copertura multilingue.

fonte: documentazione ufficiale Alibaba ↗

Usa Paraformer Realtime v2 in 30 secondi

Compatibile OpenAI: cambia la base_url, tieni il tuo 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="paraformer-realtime-v2",
    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: "paraformer-realtime-v2",
  file: fs.createReadStream("meeting.mp3"),
});
console.log(resp.text);

curl https://synthorai.io/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-syn-..." \
  -F model="paraformer-realtime-v2" \
  -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: "paraformer-realtime-v2",
		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("paraformer-realtime-v2")
        .file(Paths.get("meeting.mp3"))
        .build()).asTranscription();
System.out.println(resp.text());

Informazioni su Paraformer Realtime v2

• Riconosce il cinese mandarino insieme a un insieme insolitamente ampio di dialetti regionali (cantonese, wu, hokkien, sichuanese e altri) oltre a inglese, giapponese, coreano, tedesco, francese e russo, e supporta un parametro language_hints per guidare il rilevamento.
• Si tratta di un'aggiunta esclusiva della v2, come lo è l'accettazione di frequenze di campionamento arbitrarie là dove la versione precedente richiedeva 16 kHz.
• La documentazione di Alibaba raccomanda ora Fun-ASR o Qwen-ASR per i nuovi progetti, posizionando questo modello per le integrazioni esistenti.
• Ciò che lo mantiene utilizzabile è una superficie di parametri matura: tabelle di hotword per il vocabolario di dominio, normalizzazione inversa del testo attiva per impostazione predefinita, predizione della punteggiatura attiva per impostazione predefinita con punteggiatura semantica opzionale, un silenzio massimo di frase configurabile che chiude un enunciato e un filtro opzionale delle disfluenze che rimuove le parole riempitive (un controllo che il modello Fun-ASR realtime non documenta).
• I timestamp a livello di frase e di parola sono restituiti in millisecondi, e la connessione accetta PCM, WAV, MP3, Opus, Speex, AAC e AMR.
• La diarizzazione dei parlanti non è offerta sul percorso realtime e non c'è riconoscimento delle emozioni.
• Va trattato come un endpoint stabile per le pipeline già messe a punto su di esso, non come punto di partenza per il lavoro nuovo.
• Synthorai continua a servirlo tramite l'endpoint compatibile OpenAI.

FAQ

Modelli correlati

Confronta