原題:AssemblyAI-STT-3.7
AssemblyAI は 11 月 18 日、次世代の文字起こしモデル AssemblyAI-STT-3.7 を発表しました。これは3つのバージョンに分かれています。STT-3.7-Realtime は会議、通話、字幕などのリアルタイム会話向け、STT-3.7-Realtime-Agent は音声エージェントとの対話向け、STT-3.7 は録音ファイル向けです。公式によれば、3バージョンとも 32 言語に対応し自動認識が可能で(録音版は 99 言語にフォールバック可能)、エージェント版はエージェントと話す人物のみを対象とし、背景の音声は約半分に低減されます。既存の API キーを使用すれば playground で無料で試すことができます。
なぜ重要か 音声エージェント、会議字幕、録音文字起こしを開発するエンジニアは、用途に応じてモデルを選択できます。エージェント版は特に背景音声の干渉を低減することに特化しています。
信頼性:高信頼 · 出典 AssemblyAI ブログ など 2 社(公式含む) · イベント日時 11-18 14:50(北京時間)
理由
- AssemblyAI 公式ブログで発表
使い方
- API で speech_model を assemblyai-stt-3-7-realtime など対応するモデル名に設定します
リスク
- 精度と遅延に関するデータはすべて AssemblyAI の自己申告です