Tekniske specifikationer for whisper-1
| Specifikation | Detaljer |
|---|---|
| Model-ID | whisper-1 |
| Modeltype | Tale-til-tekst og taleoversættelse |
| Primære anvendelser | Lydtransskription, flersproget talegenkendelse, taleoversættelse til engelsk |
| Inputmodalitet | Lyd |
| Outputmodalitet | Tekst |
| Understøttede endpoints | /v1/audio/transcriptions, /v1/audio/translations |
| Understøttelse af streaming | Understøttes ikke for whisper-1 |
| Prompt-understøttelse | Ja, med begrænset promptkontrol for formatering, tegnsætning og stil |
| Sprogunderstøttelse | Flersproget talegenkendelse og sprogidentifikation |
| Typisk integrationsformat | Filupload via multipart/form-data |
| Almindelige lydformater | m4a, mp3, mp4, mpeg, mpga, wav, webm |
| Bedst egnet til | At konvertere talt indhold til læsbar tekst eller engelske oversættelser |
Hvad er whisper-1?
whisper-1 er en talegenkendelsesmodel tilgængelig via CometAPI til at omdanne lyd til tekst og skabe oversættelser fra talt lyd til engelsk. Den er designet til udviklere, der har brug for pålidelig transskription af optaget tale, interviews, møder, talebeskeder, undertekster og flersprogede lydarbejdsgange.
Modellen er velegnet til applikationer, der har brug for automatisk talegenkendelse på tværs af flere sprog. Den kan transskribere lyd på originalsproget eller oversætte talt indhold til engelsk, hvilket gør den nyttig til globale produkter, mediebehandlings-pipelines, supportværktøjer og tilgængelighedsløsninger.
Da whisper-1 arbejder på uploadede lydfiler og returnerer tekstoutput, passer den naturligt ind i backend-automatisering, indholdsindeksering, generering af undertekster, berigelse af søgning og analyse-pipelines.
Hovedfunktioner i whisper-1
- Tale-til-tekst-transskription: Konverterer talt lyd til skrevet tekst til dokumenter, undertekster, arkiver og applikationsarbejdsgange.
- Taleoversættelse: Opretter engelske tekstoversættelser fra ikke-engelsk talt lyd, hvilket forenkler behandling af flersproget indhold.
- Flersproget genkendelse: Understøtter genkendelse på tværs af mange sprog, hvilket gør den praktisk til internationale og tværregionale udrulninger.
- Prompt-assisteret formatering: Accepterer prompts, der kan hjælpe med at styre tegnsætning, store/små bogstaver, terminologi og transkriptionsstil.
- Filbaseret API-arbejdsgang: Fungerer godt med uploadede lydfiler, hvilket gør det nemt at integrere i batch-jobs, mediesystemer og backend-tjenester.
- Understøttelse af sprogidentifikation: Kan bruges i arbejdsgange, hvor det er vigtigt at opdage eller håndtere flere talte sprog.
- Særlig velegnet til indholdsoperationer: Nyttig til generering af undertekster, oprettelse af søgbare transskripter, logning af kundesamtaler, interviewbehandling og konvertering af talebeskeder.
Sådan får du adgang til og integrerer whisper-1
Trin 1: Tilmeld dig for at få en API-nøgle
For at begynde at bruge whisper-1 skal du først oprette en konto på CometAPI og generere din API-nøgle fra dashboardet. Når du er logget ind, går du til sektionen til API-administration, opretter en ny nøgle og opbevarer den sikkert. Denne nøgle kræves til at godkende hver forespørgsel, du sender til whisper-1-API'et.
Trin 2: Send forespørgsler til whisper-1-API'et
Når du har din API-nøgle, kan du sende forespørgsler til CometAPI-endpointet ved at bruge model-id'et whisper-1. Inkluder din API-nøgle i Authorization-headeren og angiv whisper-1 som målmodel. Til tale-arbejdsgange skal du sende en lydfil til det relevante transskriptions- eller oversættelses-endpoint.
curl --request POST \
--url https://api.cometapi.com/v1/audio/transcriptions \
--header "Authorization: Bearer YOUR_COMETAPI_KEY" \
--header "Content-Type: multipart/form-data" \
--form "model=whisper-1" \
--form "file=@/path/to/audio.mp3"
Til oversættelsesarbejdsgange skal du bruge oversættelsesslutpunktet med samme model-id:
curl --request POST \
--url https://api.cometapi.com/v1/audio/translations \
--header "Authorization: Bearer YOUR_COMETAPI_KEY" \
--header "Content-Type: multipart/form-data" \
--form "model=whisper-1" \
--form "file=@/path/to/audio.mp3"
Trin 3: Hent og verificer resultater
Når forespørgslen er behandlet, returnerer CometAPI den genererede tekst for din whisper-1-opgave. Gennemse svaret for at bekræfte transkriptkvalitet, sprogbehandling, tegnsætning og fuldstændighed. Tilpas om nødvendigt din lydforbehandling eller prompttilgang, og send forespørgslen igen for at forbedre outputkonsistensen i din produktionsbrugssag.