Léim go dtí an príomhábhar
Gaeilge— Roghnaigh teanga
Roghchlár

Feabhsaigh Cáilíocht na Tras-scríbhneoireachta

Ceacht 9 as 18 Nuashonraithe 3 Samhain 2026 Forbróir
Ar an leathanach seo
  1. Feabhsaigh Cáilíocht na Tras-scríbhneoireachta
  2. An paraiméadar prompt
  3. An paraiméadar teochta
  4. Réamhphróiseáil fuaime
  5. Iar-phróiseáil tras-scríbhneoireachta
  6. Píblíne iomlán tras-scríbhneoireachta
  7. Príomhphointí

Nuashonrú 2 Samhain, 2026 — Múnlaí fuaime. Tá roinnt múnlaí sa chúrsa seo as feidhm anois: stopfaidh tts-1, tts-1-hd, agus gpt-4o-mini-tts ag obair ar 6 Eanáir, 2027 (is é gpt-realtime-2.1-mini an t-ionadaí a luaitear, ach deir treoir TTS OpenAI nach dtacaítear leis le /v1/audio/speech: aistrítear sintéis gutha chuig an Realtime API); stopfaidh gpt-realtime, gpt-4o-realtime, agus múnlaí fuaime oidhreachta ar 20 Eanáir, 2027 (gpt-realtime-2.1, gpt-realtime-2.1-mini, gpt-audio-1.5); stopfaidh whisper-1, gpt-4o-transcribe, agus /v1/audio/translations ar 26 Feabhra, 2027 (gpt-transcribe, gpt-live-transcribe, v1/realtime/translations). Maidir le guth lán-dúbailte, tá GPT-Live 1 ar fáil san API ón 10 Meán Fómhair, 2026. An ceacht nuashonraithe 3 Samhain, 2026: athraíodh na samplaí go gpt-transcribe (prompt, keywords, languages), an múnla a mholann OpenAI; ní rogha “an focal is dóichí i gcónaí” é teocht 0: de réir thagairt an API, coigeartaíonn an múnla an teocht féin ina chéimeanna ansin. Foinse: Tras-scríbhneoireacht comhaid · Cruthaigh tras-scríbhneoireacht.

Feabhsaigh Cáilíocht na Tras-scríbhneoireachta

Gineann Whisper tras-scríbhinní den scoth go huathoibríoch, ach is féidir le roinnt teicnící feabhas suntasach a chur ar cháilíocht, go háirithe i gcásanna deacra: torann cúlra, canúintí réigiúnacha, stór focal teicniúil, agus ainmneacha dílse. Pléifidh an ceacht seo paraiméadair chasta agus straitéisí iar-phróiseála.

An paraiméadar prompt

Is é an comhthéacs do phríomhghiuirléid chun cáilíocht a fheabhsú. Le gpt-transcribe, an múnla a mholann OpenAI, téann an comhthéacs trí pharaiméadar: prompt (míreán comhthéacs i dteanga an fhuaime), keywords (téarmaí le haithint), agus languages (na teangacha a bhfuiltear ag súil leo).

# Gan chomhthéacs, rioscaítear ainmneacha táirgí a mhí-thras-scríobh
result = client.audio.transcriptions.create(
    model="gpt-transcribe",
    file=audio_file,
    languages=["fr"],
)

# Le comhthéacs agus eochairfhocail
result = client.audio.transcriptions.create(
    model="gpt-transcribe",
    file=audio_file,
    languages=["fr"],
    prompt="Cruinniú teicniúil Corsen AI ar ghníomhairí gutha.",
    keywords=["GPT-6.1 Sol", "Responses API", "Realtime API", "Corsen AI", "Mordehai Attia"],
)

Dea-chleachtais don prompt

  • Liostaigh ainmneacha dílse: daoine, cuideachtaí, táirgí
  • Cuir isteach argóit theicniúil: aicreainimh, téarmaí saincheantair
  • Sonraigh an stíl a bhfuiltear ag súil léi: poncaíocht, cású
  • Le whisper-1, téann gach rud tríd an prompt amháin, teoranta do 224 token: sonraíonn an treoir nach leanann Whisper treoracha cosúil le múnla téacs, mar sin is fearr liosta de litrithe cearta a chur ann
  • Le gpt-transcribe, cuir téarmaí i keywords, ceann amháin in aghaidh na hiontrála, gan <, >, ná bristeacha líne, nó diúltóidh an API an t-iarratas
def build_transcription_prompt(context: dict) -> str:
    """Tógann sé leid comhthéacs don tras-scríbhneoireacht."""
    parts = []

    if context.get("speakers"):
        parts.append(", ".join(context["speakers"]))

    if context.get("technical_terms"):
        parts.append(", ".join(context["technical_terms"]))

    if context.get("topic"):
        parts.append(context["topic"])

    return ". ".join(parts)

prompt = build_transcription_prompt({
    "speakers": ["Mordehai Attia", "Yoram Halberstam"],
    "technical_terms": ["Realtime API", "WebSocket", "VAD", "PCM16"],
    "topic": "Cruinniú teicniúil ar ghníomhairí gutha"
})

An paraiméadar teochta

Glacann an críochphointe le temperature idir 0 agus 1, agus 0 mar réamhshocrú. Murab ionann agus míthuiscint choitianta, ní chiallaíonn an luach 0 “an focal is dóichí i gcónaí”: de réir thagairt an API, braitheann an múnla ar dhóchúlachtaí a thócan ansin chun an teocht a ardú féin ina chéimeanna, go dtí tairseacha áirithe.

Go praiticiúil, fág an luach réamhshocraithe. Cuireann doiciméadú gpt-transcribe béim ar an gcomhthéacs (prompt, keywords, languages), seachas ar an teocht; ar whisper-1, is féidir teocht beagán níos airde (0.2, mar shampla) a thástáil ar fhuaime truaillithe ar bhonn cás ar chás.

Réamhphróiseáil fuaime

Is é cáilíocht an fhuaime ionchuir an fachtóir is cinntithí. Infheistigh i réamhphróiseáil:

from pydub import AudioSegment
from pydub.effects import normalize, compress_dynamic_range

def preprocess_audio(input_path: str, output_path: str) -> str:
    """Déanann sé réamhphróiseáil ar fhuaime le haghaidh tras-scríbhneoireachta optamach."""
    audio = AudioSegment.from_file(input_path)

    # 1. Tiontaigh go mona (ní chuireann steiréó aon rud le guth)
    audio = audio.set_channels(1)

    # 2. Athshamplaigh go 16 kHz (leordhóthanach do Whisper)
    audio = audio.set_frame_rate(16000)

    # 3. Normalaigh an toirt
    audio = normalize(audio)

    # 4. Comhbhrúigh an raon dinimiciúil (laghdaíonn sé an bhearna idir ard/íseal)
    audio = compress_dynamic_range(audio)

    # 5. Easpórtáil mar MP3 64 kbps
    audio.export(output_path, format="mp3", bitrate="64k")
    return output_path

Laghdú torainn

Do thaifeadtaí torannacha, feabhsaíonn réamhphróiseáil le noisereduce na torthaí go mór:

import noisereduce as nr
import soundfile as sf
import numpy as np

def reduce_noise(input_path: str, output_path: str) -> str:
    """Laghdaíonn sé torann cúlra roimh thras-scríbhneoireacht."""
    data, rate = sf.read(input_path)

    # Laghdú torainn oiriúnaitheach
    reduced = nr.reduce_noise(
        y=data,
        sr=rate,
        prop_decrease=0.8,  # Laghdú torainn 80%
        stationary=False     # Torann neamh-stáiseanach (m.sh. caifé)
    )

    sf.write(output_path, reduced, rate)
    return output_path

Iar-phróiseáil tras-scríbhneoireachta

Fiú le réamhphróiseáil mhaith, d’fhéadfadh gá a bheith le ceartúcháin ar an tras-scríbhneoireacht amh. Úsáid GPT le haghaidh iar-phróiseála:

async def post_process_transcription(raw_text: str, context: str) -> str:
    """Ceartaíonn agus formádaíonn sé tras-scríbhneoireacht Whisper."""
    response = client.responses.create(
        model="gpt-5.6-luna",
        input=[
            {"role": "system", "content": (
                "Is ceartaitheoir tras-scríbhneoireachta tú. "
                "Ceartaigh earráidí follasacha Whisper gan an brí a athrú. "
                "Cuir poncaíocht in easnamh leis. "
                "Deasaigh cású d'ainmneacha dílse agus d'aicreainimh. "
                "Ná déan achoimre ná athfhrású."
            )},
            {"role": "user", "content": (
                f"Comhthéacs: {context}\n\n"
                f"Tras-scríbhneoireacht amh:\n{raw_text}"
            )}
        ]
    )

    return response.output_text

Píblíne iomlán tras-scríbhneoireachta

Cuir gach céim le chéile i bpíblíne láidir:

async def transcribe_high_quality(
    file_path: str,
    language: str = "fr",
    speakers: list[str] = None,
    technical_terms: list[str] = None
) -> dict:
    """Píblíne iomlán tras-scríbhneoireachta ar ardcháilíocht."""
    # 1. Réamhphróiseáil
    processed_path = preprocess_audio(file_path, "/tmp/processed.mp3")

    # 2. Tóg comhthéacs: ní líontar ach na paraiméadair atá ann
    options = {}
    terms = (speakers or []) + (technical_terms or [])
    if terms:
        options["keywords"] = terms

    # 3. Tras-scríobh
    with open(processed_path, "rb") as f:
        result = client.audio.transcriptions.create(
            model="gpt-transcribe",
            file=f,
            languages=[language],
            **options,
        )

    # 4. Iar-phróiseáil
    context = f"Teanga: {language}, Cainteoirí: {speakers}"
    corrected = await post_process_transcription(result.text, context)

    return {
        "raw_text": result.text,
        "corrected_text": corrected,
        "languages": result.languages,
    }

Príomhphointí

  • Is é an comhthéacs an ghiuirléid is éifeachtaí: prompt, keywords, agus languages le gpt-transcribe; an prompt amháin, teoranta do 224 token, le whisper-1
  • Tá temperature socraithe go huathoibríoch ar 0, agus ag 0 coigeartaíonn an múnla an teocht féin más gá: fág an luach réamhshocraithe
  • Feabhsaíonn réamhphróiseáil fuaime (mona, 16 kHz, normalú, dí-thorannú) cáilíocht níos mó ná aon pharaiméadar API
  • Ceartaíonn iar-phróiseáil GPT poncaíocht, cású, agus earráidí iarmharacha
  • Comhcheanglaíonn píblíne iomlán réamhphróiseáil, leid chomhthéacsúil, agus iar-phróiseáil le haghaidh uasmhéid cáilíochta