Руководство по API speech-to-text

Обзор

Audio API предоставляет два основных эндпоинта:

📝 transcriptions: аудио в текст

🔄 translations: перевод аудио на английский

Поддерживаемые форматы

📁 Размер файла: до 25 MB

🎵 Форматы: mp3, mp4, mpeg, mpg, m4a, wav, webm

Использование

1. Transcription

Преобразование аудио в текст на оригинальном языке

2. Translation

Преобразование аудио на любом языке в текст на английском

3. Функция временных меток

4. Обработка больших файлов

Использование PyDub для разделения файлов больше 25MB:

Рекомендации по оптимизации

Советы по использованию prompts

🔍 Для коррекции распознавания специфических терминов

📜 Поддержание связности контекста

✍️ Управление выводом пунктуации

🗣️ Сохранение слов-паразитов

📝 Управление стилем вывода текста

Поддерживаемые языки

Поддерживается 98 языков, включая:

Основные азиатские: китайский, японский, корейский и др.

Европейские: английский, французский, немецкий и др.

Другие: арабский, хинди и др.

Примечание: указаны только языки с WER ниже 50%, остальные поддерживаются, но качество может быть ниже

python использование speech-to-text

Руководство по API speech-to-text#

Обзор#

Поддерживаемые форматы#

Использование#

1. Transcription#

2. Translation#

3. Функция временных меток#

4. Обработка больших файлов#

Рекомендации по оптимизации#

Советы по использованию prompts#

Поддерживаемые языки#