Ana içeriğe geç

Yazıya döküm

Ayarlar → Yazıya döküm tanıyıcıları listeler: sesi metne çeviren hizmetleri, biten görüşmeler için ve suflör için görüşme sürerken.

Bir görüşme, Kayıtlar penceresinde istediğinizde ya da İşleme bölümünde Görüşmeleri kendiliğinden işle açıksa kendiliğinden yazıya dökülür. Kendi makinenizdeki bir tanıyıcının çalışması hiçbir şeye mal olmaz; buluttaki bir tanıyıcı ses dakikası başına ücret alır.

Tanıyıcılar​

Tanıyıcı, telefonun sesi gönderdiği bir konuşma tanıma hizmetidir. Ekle yeni bir tane ekler; kartındaki Sına düğmesi hizmetin gerçekten yanıt verip vermediğini denetler. Her biri listede adıyla, altında da hizmetinin modeli ve adresiyle görünür. Tablo, telefonun desteklediği her hizmet türünü, karttaki Tür alanının sunduğu biçimde, o türden yeni bir tanıyıcının aldığı adres ve modellerle birlikte listeler; son sütun resimde ayarlı beş tanıyıcıyı gösterir:

TürYazıya dökümler için adresSuflör için adresModelResimde
OpenAI uyumlu (Whisper, OpenAI)https://api.openai.com/v1wss://api.openai.comgpt-4o-transcribe, canlı gpt-live-transcribeOpenAI · gpt-4o-transcribe
Deepgramhttps://api.deepgram.com/v1wss://api.deepgram.comnova-3Deepgram · nova-2
ElevenLabs (Scribe)https://api.elevenlabs.io/v1wss://api.elevenlabs.ioscribe_v1, canlı scribe_v2_realtimeElevenLabs · scribe_v2
Speechmaticshttps://asr.api.speechmatics.com/v2wss://global.rt.speechmatics.com; bir bölge için global. yerine eu., us. veya au.enhanced—
xAI (Grok)https://api.x.ai/v1wss://api.x.ai(boş: hizmetin öntanımlı modeli), canlı grok-voice-transcribe-2.0X.ai · canlı grok-voice-transcribe-2.0
Sonioxhttps://api.soniox.comwss://stt-rt.soniox.com(boş: hizmetin öntanımlı modeli), canlı stt-rt-v5—
AssemblyAIhttps://api.assemblyai.comwss://streaming.assemblyai.com(boş: hizmetin öntanımlı modeli)—
Vosk (kendi makinenizde)kendi sunucunuz, örneğin ws://localhost:2700(aynı sunucu)(sunucuda ayarlanır)Vosk · ws://localhost:2700
WhisperLive (kendi makinenizde)kendi sunucunuz, örneğin ws://localhost:9090(aynı sunucu)canlı small—
NVIDIA Riva (kendi makinenizde)kendi sunucunuz, örneğin localhost:50051(aynı sunucu)(sunucuda ayarlanır)—

Suflör için adres genellikle bir WebSocket adresidir: buluttaki bir hizmet için wss://, kendi ağınızdaki bir sunucu için ws://; NVIDIA Riva sunucu:bağlantı noktası biçiminde girilir.

Satırın sağındaki iki işaret, tanıyıcının neyin öntanımlısı olduğunu söyler. Saat, yazıya dökümler için öntanımlı olanda yanar — resimde X.ai —; başka birini seçmediğinizde o kullanılır. Şimşek, suflör için öntanımlı olanda yanar — resimde Vosk. Birden çok tanıyıcı tutabilirsiniz; Kayıtlar penceresinde bir yazıya dökümün üstündeki açılır liste her birinin yaptığı dökümleri gösterir.

Tanıyıcının kartı​

Bir tanıyıcıya basmak kartını açar.

AlanNedir
AdListelerdeki ad.
TürTelefonun hizmetle nasıl konuşacağını belirleyen hizmet türü: OpenAI uyumlu (Whisper, OpenAI), Deepgram, ElevenLabs (Scribe), xAI (Grok), AssemblyAI, Soniox, Speechmatics ve kendi makinenizde çalışan üç tür — Vosk, WhisperLive ve NVIDIA Riva.
Yazıya dökümler için adresBiten görüşmelerin gönderildiği yer.
Suflör için adresGörüşme sürerken canlı sesin gittiği yer. Genellikle bir WebSocket adresidir: buluttaki bir hizmet için wss:// (resimdeki wss://api.x.ai gibi), kendi ağınızdaki bir sunucu için ws://. Boşsa yanındaki adresten çıkarılır.
AnahtarHizmetin anahtarı. Bu bilgisayarın anahtarlığında tutulur, hiçbir zaman bir ayar dosyasında değil.
SınaHizmete sorar ve ne yanıt verdiğini söyler, örneğin Yanıt verdi ve 3 model sunuyor.
Yazıya dökümler için model ve Suflör için modelModel, tam olarak hizmetin adlandırdığı gibi. Boş, model adı göndermez, ve hizmet kendi öntanımlısını kullanır; sağlayıcı bir tane yayımlıyorsa kart onu belirtir. Seçeneği olmayan bir tür için alan gösterilmez. Resimde xAI'de Yazıya dökümler için model alanı yoktur; Suflör için model ise grok-voice-transcribe-2.0 olarak ayarlıdır.
Yazıya dökümler için öntanımlıBunu, başka birini seçmediğinizde kullanılan tanıyıcı yapar.
Suflör için öntanımlıBunu, suflörün yeni bir yardımcısının dinlediği tanıyıcı yapar.
EtkinKapalıyken tanıyıcı listede kalır ama kullanılmaz.

Gelişmiş ayarlar kartın geri kalanını açar. En önemli değerler:

AlanNe yapar
BölgeBirden çok bölgesi olan bir hizmetin bölgesi.
İki tarafı ayrı gönderBir arama iki kişi iki kanalda olacak biçimde kaydedilir; tanıyıcıya kimin ne dediğini söyleyen de budur. Bunu yapabildiğini söyleyip yapamayan bir sunucu için kapatın.
Kimin konuştuğunu isteBir kanalda birden çok kişi konuşuyorsa o kanaldaki kişileri ayırır.
Sayıları rakamla yazTutarlar, tarihler ve telefon numaraları yazıyla değil, yazıldıkları gibi döner.
Yükleme sınırı, Süre sınırıBu telefonun göndereceği en büyük dosya (bayt) ve en uzun kayıt (saniye).
Aynı anda istekAynı anda kaç isteğin sürebileceği.
Yanıtı şu süre sonra bitir, Kısa yanıtları şu süre içinde birleştir, Sıra arasıSuflör için: yeni sözcük gelmeden ne kadar süre geçerse bir yanıtın biteceği, kısa bir yanıtın kendisine eklenmek üzere sonrakini ne kadar bekleyeceği ve tanıyıcının işaretlemediği yerde ne kadar sessizliğin bir konuşma sırasını bitireceği. Milisaniye cinsinden.
DilISO 639-1'e göre iki harfli dil kodu (en, de, es, fr, sr…). Boş bırakın, tanıyıcı karar versin — aramalarınız onun sürekli yanlış duyduğu bir dilde değilse doğrusu budur.
Ek ayarlarHer satıra bir name = value, hizmete olduğu gibi iletilir. Sunucu bir şey belgelemiyorsa boş bırakın.
Bekleme, dakikaBir yazıya dökümün ne kadar bekleneceği. Boşsa kaydın uzunluğundan hesaplanır.
Dakika başına fiyatCanlı sesin bir dakikasının, hizmetin fiyat listesine göre maliyeti. Suflör bir oturumun neye mal olduğunu gösterir ve aylık tavanında durur.

Suflör için canlı tanıma​

Suflörün, biri konuşurken dinleyen bir tanıyıcıya ihtiyacı vardır — bitmiş bir dosyayla değil, bir akışla. Bu türler bunu yapabilir: bulutta Deepgram, ElevenLabs (Scribe), xAI (Grok), OpenAI uyumlu (OpenAI'nin gerçek zamanlı yazıya dökümüyle), AssemblyAI, Soniox ve Speechmatics, kendi makinenizde de Vosk, WhisperLive ve NVIDIA Riva. Kendi makinenizdeki bir tanıyıcı karşı tarafın sesini binanın içinde tutar ve hiçbir ücret almaz.

Birini kullanmak için: kartını açın, Suflör için adres alanını kontrol edin — genellikle bir WebSocket adresidir, örneğin X.ai için wss://api.x.ai, Deepgram için wss://api.deepgram.com veya Vosk için ws://localhost:2700; boş bırakılırsa Yazıya dökümler için adres alanından çıkarılır. Ardından Suflör için model alanından modeli seçin: canlı modeller çoğu zaman dosya modellerinden farklıdır — resimdeki kartta olduğu gibi X.ai için grok-voice-transcribe-2.0, ElevenLabs için scribe_v2_realtime, OpenAI için gpt-live-transcribe, Soniox için stt-rt-v5. Sına düğmesine basın. Yeni yardımcıların onunla dinlemesi için Suflör için öntanımlı kutusunu işaretleyin.

Hangi modeli seçmeli​

Tablo, Tür listesindeki her türün konuşma tanıma modellerini listeler. Kalın yazılan modeller resimde ayarlı olanlardır; X.ai tanıyıcısında model boş olduğundan hizmetin öntanımlısı, grok-voice-transcribe-2.0, kullanılır. Orada boş olan Yazıya dökümler için model alanıdır; Suflör için model aynı modele ayarlıdır. Ne için sütunu bir modelin ne için yapıldığını söyler: bitmiş kayıtlar için (yazıya dökümler), suflör için canlı konuşma (suflör) ya da her ikisi.

Tür ve adresModelNe içinNe işe yarar
OpenAI uyumlu (Whisper, OpenAI)
https://api.openai.com/v1
gpt-transcribeyazıya dökümlerOpenAI'nin, özgün dilindeki kayıtlı konuşma için önerdiği model.
gpt-4o-transcribeher ikisiGenel amaçlı yazıya döküm. Bu türden yeni bir tanıyıcı bunu alır.
gpt-4o-mini-transcribeher ikisiYukarıdakinin daha hafif ve ucuz bir çeşidi.
gpt-4o-transcribe-diarizeyazıya dökümlerKimin ne zaman konuştuğunu işaretler. Yalnızca gerekirse kullanın.
whisper-1yazıya dökümlerSözcük düzeyinde zaman damgaları ve altyazı gibi özel kullanımlar için tutulan eski Whisper modeli.
gpt-live-transcribesuflörOpenAI'nin canlı modeli: sözcükler söylendikçe gelir. Telefon bunu suflör için önerir.
Deepgram
https://api.deepgram.com/v1
nova-3her ikisiDeepgram'ın toplantılar, gürültülü ve çok dilli ses için en iyi genel amaçlı modeli. Bu türden yeni bir tanıyıcı bunu alır.
nova-2her ikisiÖnceki kuşak; nova-3'ün henüz desteklemediği diller için tutun.
nova-2-phonecallher ikisiTelefon hattının dar sesine ayarlanmış nova-2. İngilizce.
flux-general-ensuflörKonuşma için yapılmış: birinin sözünü bitirdiğini duyar. İngilizce.
flux-general-multisuflörAynısı on dilde; görüşme diller arasında geçiş yapabilir.
enhanced, baseyazıya dökümlerDaha eski düzeyler; base büyük hacimler içindir.
whisperyazıya dökümlerDeepgram'ın çalıştırdığı Whisper.
ElevenLabs (Scribe)
https://api.elevenlabs.io/v1
scribe_v2yazıya dökümler90'dan fazla dilde, konuşmacı ayrımıyla genel amaçlı yazıya döküm.
scribe_v2_realtimesuflörscribe_v2'nin canlı sürümü. Telefon bunu suflör için önerir.
scribe_v2_medicalyazıya dökümlerKlinik sese ayarlanmış scribe_v2.
scribe_v1yazıya dökümlerİlk kuşak; eskidi, scribe_v2 kullanın.
Speechmatics
https://asr.api.speechmatics.com/v2
enhancedher ikisiTek dilde süren bir görüşme için en doğrusu. Bu türden yeni bir tanıyıcı bunu alır.
standardher ikisiDaha hızlı ve ucuz, biraz daha az doğru.
melia-1yazıya dökümlerCümle ortasında dil değiştiren çok dilli bir görüşme tek bir yazıya döküm olarak döner. Yalnızca kayıtlar için, AB ve ABD bölgelerinde; henüz özel sözlük ve konuşmacı etiketi yok.
xAI (Grok)
https://api.x.ai/v1
grok-voice-transcribe-2.0her ikisiGüncel tek model ve öntanımlı olan: 38 dil, dili kendisi tanır. 500 MB'a kadar dosyalar; canlı konuşma wss://api.x.ai adresine gider.
grok-voice-transcribe-1.0yazıya dökümlerEskidi: hizmet onu 2.0'a yönlendirir.
Soniox
https://api.soniox.com
stt-async-v5yazıya dökümler60'tan fazla dil, konuşmacı ayrımıyla.
stt-rt-v5suflörCanlı, aynı 60'tan fazla dilde; bir konuşma sırasının nerede bittiğini duyar. Telefon bunu suflör için önerir.
AssemblyAI
https://api.assemblyai.com
universal-3-5-proher ikisiKayıtlar için en doğru model; 18 dil, görüşme diller arasında geçiş yapabilir.
universal-2yazıya dökümler99 dil, daha ucuz; AssemblyAI, universal-3-5-pro'nun bilmediği bir dil için buna geçer.
universal-3-6-prosuflörAssemblyAI'nin en yeni canlı modeli, 32 dil; model boşsa hizmet bunu kullanır.
universal-streaming-multilingualsuflörİngilizce, İspanyolca, Almanca, Fransızca, Portekizce ve İtalyanca için daha ucuz canlı tanıma.
universal-streaming-englishsuflörYalnızca İngilizce, daha ucuz canlı tanıma.
Vosk (kendi makinenizde)
ws://localhost:2700
(sunucuda ayarlanır)her ikisiÜcretsiz ve hafif; ekran kartı olmadan çalışır. Model, sunucunun başlatıldığı modeldir, her dil için bir tane; örneğin vosk-model-small-tr-0.3 ya da vosk-model-en-us-0.22.
WhisperLive (kendi makinenizde)
ws://localhost:9090
smallher ikisiCanlı akış üzerinden Whisper. Boyut kartta seçilir: tiny, base, small (telefonun önerdiği), medium, large-v3; büyüdükçe daha doğru olur ve ekran kartına daha çok ihtiyaç duyar.
NVIDIA Riva (kendi makinenizde)
localhost:50051
(sunucuda ayarlanır)her ikisiNVIDIA ekran kartlı bir bilgisayar için NVIDIA'nın konuşma sunucusu. Parakeet ve Canary gibi modeller sunar.

Seçmeden önce bilmeye değer:

  • Yazıya dökümler mi, suflör mü. Canlı konuşma için yapılmış bir model bitmiş bir dosya kabul etmez; dosyalar için olan modellerin çoğu da canlı dinleyemez. Bu yüzden kartta iki alan vardır: Yazıya dökümler için model ve Suflör için model.
  • Dosya boyutu. OpenAI 25 MB'a, X.ai 500 MB'a kadar dosya kabul eder. Uzun bir görüşme bir bulut hizmetinin kabul ettiğinden büyük olabilir.
  • Fiyat. Bulut hizmetleri ses dakikası başına ücret alır; ücretler modele göre değişir ve güncellenir, geçmeden önce hizmetin kendi sayfasında okuyun. Kendi makinenizdeki bir tanıyıcının çalışması hiçbir şeye mal olmaz.
  • Diller. Her hizmetin kendi listesi vardır; sizinkini denetleyin, tanıyıcı yanlış tahmin ediyorsa gelişmiş ayarlarındaki Dil alanına kodu girin.

Bir hizmetin model listesi sık değişir. İstediğiniz model burada yoksa güncel liste hizmetin kendi belgelerindedir — OpenAI, Deepgram, ElevenLabs, Speechmatics, X.ai, Soniox, AssemblyAI, Vosk, WhisperLive, NVIDIA Riva — ve Model, hizmetin verdiği adın tam kendisidir.

Kendi modelleriniz​

Bir tanıyıcının bulut hizmeti olması gerekmez. Telefon, ister yerel olarak bilgisayarınızda ister kendi sunucunuzda çalışsın, OpenAI uyumlu API üzerinden sunulan her modeli — POST /v1/audio/transcriptions arayüzünü — kullanabilir. Ses binanızdan hiç çıkmaz, dakika başına hiçbir ücret alınmaz ve hacim sınırı yoktur.

Bir tane eklemek için Ekle düğmesine basın ve şunları girin:

  • sunucunun /v1 dahil olmak üzere Adres bilgisi, örneğin bilgisayarın kendisi için http://localhost:8000/v1 ya da ağınızdaki bir sunucu için http://asr.local:8080/v1;
  • sunucunun listelediği biçimiyle tam olarak Model adı, örneğin openai/whisper-large-v3-turbo.

Neler kullanılabilir​

Olağan seçim, OpenAI'ın açık konuşma tanıma modeli olan Whisper'dır. Kullanımı ücretsizdir, yaklaşık yüz dili anlar ve birkaç boyutta gelir: küçük bir model sıradan bir bilgisayarda çalışır, büyükler belirgin biçimde daha isabetlidir ve en iyisi bir ekran kartıyla çalıştırılmalarıdır.

ModelNotlar
whisper-large-v3En isabetli Whisper. GPU'lu bir sunucu için.
openai/whisper-large-v3-turbolarge-v3'ün biraz isabet kaybıyla daha hızlı bir sürümü.
Systran/faster-whisper-large-v3faster-whisper motoru için dönüştürülmüş large-v3; daha hızlı ve bellek açısından daha hafif.
medium, small, baseEkran kartı olmayan bir bilgisayar için daha küçük Whisper modelleri.

Whisper, bu sunucuların etrafında kurulduğu modeldir. Bazıları NVIDIA Parakeet gibi başka konuşma tanıma modellerini de sunabilir.

OpenAI uyumlu API sunan sunucular​

Model, OpenAI uyumlu /v1/audio/transcriptions uç noktasını sunan bir sunucu tarafından çalıştırılmalıdır. Şunlar sunar:

SunucuNedir
vLLMYüksek başarımlı bir model sunucusu. Başlatıldığında Whisper'ı http://localhost:8000/v1 adresinde sunar.
Speachesfaster-whisper üzerine kurulmuş, konuşma modelleri için bir sunucu, "konuşma için Ollama". Bir modeli ilk istendiğinde yükler.
whisper.cppWhisper'ı Apple silicon dahil bir CPU üzerinde verimli biçimde çalıştırır. whisper-server programı --inference-path /v1/audio/transcriptions ile başlatılır.
LocalAIModelleri yerel olarak çalıştıran, OpenAI'ın doğrudan yerine geçebilen bir seçenek.

Aynı uç noktayı sunan başka her sunucu da aynı şekilde çalışır. Bir sunucu anahtar istiyorsa onu bir bulut hizmetindeki gibi girin.

Bir sunucuya güvenmeden önce bir deneme kaydı yapın ve dökümüne Kayıtlar penceresinde bakın: modelin iyi bilmediği bir dildeki görüşme bunu hemen belli eder.