Tekniske spesifikasjoner for whisper-1
| Spesifikasjon | Detaljer |
|---|---|
| Modell-ID | whisper-1 |
| Modelltype | Tale-til-tekst og taleoversettelse |
| Primære bruksområder | Lydtranskripsjon, flerspråklig talegjenkjenning, taleoversettelse til engelsk |
| Inndatatype | Lyd |
| Utdatatype | Tekst |
| Støttede endepunkter | /v1/audio/transcriptions, /v1/audio/translations |
| Støtte for strømming | Ikke støttet for whisper-1 |
| Prompt-støtte | Ja, med begrenset prompt-kontroll for formatering, tegnsetting og stil |
| Språkstøtte | Flerspråklig talegjenkjenning og språkidentifikasjon |
| Typisk integrasjonsformat | Filopplasting via multipart/form-data |
| Vanlige lydformater | m4a, mp3, mp4, mpeg, mpga, wav, webm |
| Best egnet for | Konvertere talt innhold til lesbar tekst eller engelske oversettelser |
Hva er whisper-1?
whisper-1 er en talegjenkjenningsmodell tilgjengelig via CometAPI for å gjøre lyd om til tekst og lage oversettelser fra talt lyd til engelsk. Den er laget for utviklere som trenger pålitelig transkribering av innspilt tale, intervjuer, møter, talememoer, undertekster og flerspråklige lydarbeidsflyter.
Modellen er godt egnet for applikasjoner som trenger automatisk talegjenkjenning på flere språk. Den kan transkribere lyd på originalspråket eller oversette talt innhold til engelsk, noe som gjør den nyttig for globale produkter, mediebehandlingspipeliner, supportverktøy og tilgjengelighetsløsninger.
Fordi whisper-1 arbeider med opplastede lydfiler og returnerer tekst, passer den naturlig inn i backend-automatisering, innholdsindeksering, generering av undertekster, søkeberikelse og analysepipeliner.
Hovedfunksjoner i whisper-1
- Tale-til-tekst-transkribering: Konverterer talt lyd til skrevet tekst for dokumenter, undertekster, arkiver og applikasjonsarbeidsflyter.
- Taleoversettelse: Lager engelske tekstoversettelser fra ikke-engelsk talt lyd, og forenkler flerspråklig innholdsbehandling.
- Flerspråklig gjenkjenning: Støtter gjenkjenning på mange språk, noe som gjør den praktisk for internasjonale implementeringer på tvers av regioner.
- Prompt-assistert formatering: Godtar prompter som kan veilede tegnsetting, store/små bokstaver, terminologi og transkripsjonsstil.
- Filbasert API-arbeidsflyt: Fungerer godt med opplastede lydfiler, noe som gjør det enkelt å integrere i batch-jobber, mediesystemer og backendtjenester.
- Støtte for språkidentifikasjon: Kan brukes i arbeidsflyter der det er viktig å oppdage eller håndtere flere talte språk.
- Svært godt egnet for innholdsoperasjoner: Nyttig for generering av undertekster, opprettelse av søkbare transkripsjoner, logging av kundesamtaler, intervjubehandling og konvertering av talememoer.
Slik får du tilgang til og integrerer whisper-1
Trinn 1: Registrer deg for API-nøkkel
For å begynne å bruke whisper-1, opprett først en konto på CometAPI og generer API-nøkkelen din fra dashbordet. Etter innlogging går du til API-administrasjonsseksjonen, oppretter en ny nøkkel og lagrer den sikkert. Denne nøkkelen kreves for å autentisere hver forespørsel du sender til whisper-1-API-et.
Trinn 2: Send forespørsler til whisper-1-API-et
Når du har API-nøkkelen, kan du sende forespørsler til CometAPI-endepunktet med modell-ID-en whisper-1. Inkluder API-nøkkelen din i Authorization-headeren og spesifiser whisper-1 som målmodell. For talerelaterte arbeidsflyter sender du en lydfil til riktig transkripsjons- eller oversettelsesendepunkt.
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"
For oversettelsesarbeidsflyter bruker du oversettelsesendepunktet med samme modell-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"
Trinn 3: Hent og verifiser resultater
Når forespørselen er behandlet, returnerer CometAPI den genererte tekstresponsen for whisper-1-jobben din. Gå gjennom responsen for å bekrefte transkripsjonskvalitet, språkhåndtering, tegnsetting og fullstendighet. Ved behov kan du forbedre lydforbehandlingen eller prompt-oppsettet og sende forespørselen på nytt for å forbedre konsistensen i utdata for produksjonsbruk.