Премини към основното съдържание
Български— Изберете език
Меню

Българско издание

Voxtral Audio: Транскрипция и превръщане на реч в текст

Офлайн и транскрипция на аудио в реално време с Voxtral: разграничаване на говорещите, контекстуално пристрастяване, потоково предаване от микрофон и оптимизация на латентността.

16 урока ок. 1 ч 45 мин Програмист

Какво ще научите

  • Транскрибиране на аудио файл с офлайн API, извличайки времеви марки и временна сегментация
  • Активиране на разграничаване на говорещите за приписване на всеки транскрибиран сегмент на правилния говорител
  • Подобряване на точността при бизнес терминология благодарение на контекстуалното пристрастяване
  • Внедряване на транскрипция в реално време в Python, захранвана от микрофон чрез PyAudio
  • Избор между офлайн и транскрипция в реално време въз основа на латентност и обем за обработка

Информация за курса

За кого е
Разработчици, инженери и интегратори, които искат да използват Mistral AI чрез API в своите приложения.
Предварителни изисквания
Умение за четене на Python и JSON, основи на командния ред. API ключ за Mistral AI Studio за тестване на примерите.
Продължителност
1 ч 45 мин — 16 урока
Формати
100% онлайн курс в собствен темп, достъпен 24/7 от браузър. Прогресът се запазва, възобновяване по всяко време. Приблизителна продължителност: 1 ч 45 мин.
Оценяване
Практически упражнения, предоставени през цялото време на уроците. Всеки урок завършва със своите основни изводи за подпомагане на самооценката. Финален тест от 5 въпроса с отговори в края на последния урок валидира уменията.
Достъпност
Курс в собствен темп, достъпен за хора с увреждания: текстово съдържание, съвместимо с екранни четци, навигация с клавиатура и съответстващи контрасти. За всякакви нужди от адаптация, пишете на [email protected].
Цена
Безплатно

Уроци

  1. 01 Въведение в аудио възможностите на Mistral AI
  2. 02 Модели Voxtral за транскрипция
  3. 03 Варианти на употреба за аудио транскрипция
  4. 04 API за офлайн транскрипция
  5. 05 Първото Ви обаждане за транскрипция
  6. 06 Отметки за време и темпорална сегментация
  7. 07 Diarisation : identifier qui parle
  8. 08 Context Biasing: Подобряване на точността
  9. 09 Въведение в транскрипцията в реално време
  10. 10 Реализация на транскрипция в реално време с Python
  11. 11 Прихващане на микрофона с PyAudio
  12. 12 Контрол на латентността
  13. 13 Случаи на употреба за транскрипция в реално време
  14. 14 Офлайн срещу реално време: Ръководство за избор
  15. 15 Оптимизация за продукционна среда
  16. 16 Следващи стъпки: Отвъд транскрипцията