Seed ASR

Especificações e limites

Não existe id oficial de modelo 'seed-asr-bigmodel': o BytePlus Seed Speech usa model_name 'bigmodel' com os ids de recurso volc.bigasr.auc (Seed ASR 1.0) / volc.seedasr.auc (Seed ASR 2.0).

conforme documentação oficial da ByteDance ↗

Use o Seed ASR em 30 segundos

Compatível com OpenAI: troque a base_url, mantenha seu 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());

Sobre o Seed ASR

• Ele transcreve gravações de forma assíncrona por um fluxo de submeter-e-consultar adequado a cargas de trabalho em lote e offline: quem chama fornece o próprio ID de requisição, que também serve como ID da tarefa, e depois consulta até o código de status informar a conclusão, com resultados produzidos em até três horas e recuperáveis por sete dias.
• O áudio pode chegar a cinco horas e 512 MB em OPUS, WAV, MP3, OGG, AMR, AAC e M4A, em mono ou estéreo.
• Ele reconhece mandarim, inglês, cantonês e vários dialetos chineses por padrão, com dezenas de idiomas configuráveis do japonês ao árabe e detecção automática de idioma opcional, que tem precedência sobre um idioma nomeado explicitamente quando ambos são definidos.
• O viés por hotwords e o contexto conversacional melhoram a precisão, com listas de hotwords limitadas a 5.000 palavras e o contexto de diálogo a 800 tokens ou vinte rodadas, e o Seed ASR 2.0 estende esse contexto a uma imagem acompanhante, uma por requisição.
• Diarização de locutores, separação de canais, timestamps em nível de enunciado e de palavra com confiança, filtragem de palavras sensíveis e variantes de chinês tradicional são todos flags opcionais; note que a pontuação vem desligada por padrão enquanto a normalização inversa de texto vem ligada, e que a diarização é um recurso do modo de arquivo que os modos de streaming não oferecem.
• A Synthorai o envolve em um endpoint de transcrição compatível com OpenAI.

Perguntas frequentes

Modelos relacionados

Comparar