Whisper-1

whisper-1 کی تکنیکی خصوصیات

whisper-1 کیا ہے؟

whisper-1 CometAPI کے ذریعے دستیاب ایک اسپیچ ریکگنیشن ماڈل ہے جو آڈیو کو متن میں بدلتا ہے اور بولی گئی آڈیو کے انگریزی تراجم بناتا ہے۔ یہ ان ڈویلپرز کے لیے ڈیزائن کیا گیا ہے جنہیں ریکارڈ کی گئی تقریر، انٹرویوز، میٹنگز، وائس نوٹس، سب ٹائٹلز اور کثیر لسانی آڈیو ورک فلو کے لیے قابلِ اعتماد ٹرانسکرپشن درکار ہو۔

یہ ماڈل اُن ایپلیکیشنز کے لیے موزوں ہے جنہیں متعدد زبانوں میں خودکار اسپیچ ریکگنیشن درکار ہو۔ یہ آڈیو کو اصل زبان میں ٹرانسکرائب کر سکتا ہے یا بولے گئے مواد کا انگریزی میں ترجمہ کر سکتا ہے، جس سے یہ عالمی مصنوعات، میڈیا پروسیسنگ پائپ لائنز، سپورٹ ٹولز اور ایکسیسبیلیٹی سلوشنز کے لیے مفید بن جاتا ہے۔

چونکہ whisper-1 اپ لوڈ کی گئی آڈیو فائلز پر کام کرتا ہے اور متن کی آؤٹ پٹ دیتا ہے، اس لیے یہ بیک اینڈ آٹومیشن، مواد کی انڈیکسنگ، کیپشن جنریشن، سرچ اینرچمنٹ اور اینالیٹکس پائپ لائنز میں فطری طور پر فِٹ بیٹھتا ہے۔

whisper-1 کی اہم خصوصیات

• اسپیچ ٹو ٹیکسٹ ٹرانسکرپشن: دستاویزات، کیپشنز، آرکائیوز اور ایپلیکیشن ورک فلو کے لیے بولی گئی آڈیو کو تحریری متن میں بدلتا ہے۔
• تقریر کا ترجمہ: غیر انگریزی بولی گئی آڈیو سے انگریزی میں متنی ترجمے تیار کرتا ہے، جس سے کثیر لسانی مواد کی پروسیسنگ آسان ہوتی ہے۔
• کثیر لسانی شناخت: متعدد زبانوں میں شناخت کی سہولت، بین الاقوامی اور بین العلاقائی ڈپلائمنٹس کے لیے عملی۔
• پرومپٹ کی مدد سے فارمیٹنگ: پرومپٹس قبول کرتا ہے جو اوقاف، بڑے/چھوٹے حروف، اصطلاحات اور ٹرانسکرپٹ کے انداز کی رہنمائی کر سکتے ہیں۔
• فائل پر مبنی API ورک فلو: اپ لوڈ شدہ آڈیو فائلز کے ساتھ بہتر کام کرتا ہے، بیچ جابز، میڈیا سسٹمز اور بیک اینڈ سروسز میں انضمام آسان بناتا ہے۔
• زبان کی شناخت کی سہولت: اُن ورک فلو میں قابلِ استعمال جہاں متعدد زبانوں کی شناخت یا ہینڈلنگ اہم ہو۔
• مواد کے عملیاتی کاموں کے لیے نہایت موزوں: سب ٹائٹل جنریشن، قابلِ تلاش ٹرانسکرپٹ کی تیاری، کسٹمر کال لاگنگ، انٹرویو پروسیسنگ اور وائس نوٹ کنورژن میں مفید۔

whisper-1 تک رسائی اور انضمام کیسے کریں

مرحلہ 1: API Key کے لیے سائن اپ کریں

whisper-1 استعمال شروع کرنے کے لیے، پہلے CometAPI پر اکاؤنٹ بنائیں اور ڈیش بورڈ سے اپنی API key جنریٹ کریں۔ لاگ اِن کے بعد API مینیجمنٹ سیکشن میں جائیں، نئی key بنائیں اور اسے محفوظ رکھیں۔ whisper-1 API کو بھیجی جانے والی ہر درخواست کی توثیق کے لیے یہ key درکار ہوگی۔

مرحلہ 2: whisper-1 API کو درخواستیں بھیجیں

جب آپ کے پاس API key ہو، تو آپ whisper-1 ماڈل ID استعمال کرتے ہوئے CometAPI اینڈ پوائنٹ پر درخواستیں بھیج سکتے ہیں۔ اپنی API key کو Authorization ہیڈر میں شامل کریں اور ہدف ماڈل کے طور پر whisper-1 متعین کریں۔ اسپیچ ورک فلو کے لیے، موزوں ٹرانسکرپشن یا ترجمہ اینڈ پوائنٹ پر آڈیو فائل بھیجیں۔

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"

ترجمہ ورک فلو کے لیے، اسی ماڈل ID کے ساتھ ترجمہ اینڈ پوائنٹ استعمال کریں:

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"

مرحلہ 3: نتائج حاصل کریں اور جانچیں

درخواست پراسیس ہونے کے بعد، CometAPI آپ کے whisper-1 کام کے لیے تیار کردہ متنی نتیجہ واپس کرے گا۔ ردِعمل کا جائزہ لیں تاکہ ٹرانسکرپٹ کے معیار، زبان کے برتاؤ، اوقاف اور تکمیل کی تصدیق ہو سکے۔ ضرورت پڑنے پر اپنی آڈیو پری پروسیسنگ یا پرومپٹنگ کا طریقہ بہتر کریں اور پروڈکشن استعمال کے لیے آؤٹ پٹ کی مطابقت میں بہتری لانے کو درخواست دوبارہ بھیجیں۔