📌Fish Audio представила модель для розпізнавання мовлення в реальному часі

📌Fish Audio представила модель для розпізнавання мовлення в реальному часі
ㅤ
Fish Audio випустила Transcribe Stream 1 — ШІ-модель, яка перетворює мовлення на текст безпосередньо під час розмови та визначає, коли співрозмовник завершив свою репліку.
ㅤ
🔆Детальніше
ㅤ
• Транскрибування наживо. Модель обробляє аудіо через WebSocket API та поступово формує текст, не чекаючи завершення запису.
ㅤ
• Розуміння розмови. Розпізнає завершення реплік, перебивання та короткі підтвердження на кшталт «угу», щоб голосовий агент не відповідав передчасно.
ㅤ
• Робота з мовами. Підтримує автоматичне визначення мови та враховує контекст попередніх реплік.
ㅤ
• Швидкість. Перший текст з'являється приблизно через 0,5 секунди після початку мовлення, а сигнал про завершення репліки — через 0,6 секунди після її закінчення.
ㅤ
• Вартість. $0,36 за годину активної сесії з посекундною оплатою. Модель доступна в попередній версії через API.
ㅤ
➡️Детальніше тут.

➡️Запроси друга до НейроЄнота🦝