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