Seed ASR

Specifiche e limiti

Non esiste un id ufficiale del modello 'seed-asr-bigmodel': BytePlus Seed Speech usa model_name 'bigmodel' con i resource id volc.bigasr.auc (Seed ASR 1.0) / volc.seedasr.auc (Seed ASR 2.0).

fonte: documentazione ufficiale di ByteDance ↗

Usa Seed ASR in 30 secondi

Compatibile con OpenAI: cambi base_url e 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="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());

Informazioni su Seed ASR

• Trascrive le registrazioni in modo asincrono con un flusso di invio-e-interrogazione adatto a carichi di lavoro batch e offline: il chiamante fornisce il proprio request ID, che funge anche da ID del task, e poi interroga finché il codice di stato non segnala il completamento, con risultati prodotti entro tre ore e recuperabili per sette giorni.
• L'audio può arrivare a cinque ore e 512 MB nei formati OPUS, WAV, MP3, OGG, AMR, AAC e M4A, in mono o stereo.
• Riconosce di default mandarino, inglese, cantonese e diversi dialetti cinesi, con decine di lingue impostabili dal giapponese all'arabo e rilevamento automatico della lingua opzionale, che ha la precedenza su una lingua indicata esplicitamente quando sono impostati entrambi.
• Il biasing con hotword e il contesto conversazionale migliorano l'accuratezza, con le liste di hotword limitate a 5.000 parole e il contesto di dialogo a 800 token o venti turni, e Seed ASR 2.0 estende quel contesto a un'immagine di accompagnamento, una per richiesta.
• Diarizzazione dei parlanti, separazione dei canali, timestamp a livello di enunciato e di parola con confidenza, filtro delle parole sensibili e varianti in cinese tradizionale sono tutti flag opzionali; da notare che la punteggiatura è disattivata di default mentre la normalizzazione inversa del testo è attiva, e che la diarizzazione è una funzionalità della modalità file che le modalità in streaming non offrono.
• Synthorai lo avvolge in un endpoint di trascrizione compatibile OpenAI.

FAQ

Modelli correlati

Confronta