Bugun biz TurboScribe ning transkripsiya tizimini, uning uchta transkripsiya rejimi – Gepard, Delfin va Kitni ko'rib chiqamiz.
Bu 3 ta rejim orasida qanday farq bor? Mana qisqacha:
Gepard eng tez rejim. 1 soatlik audio yoki videoni 30 soniyada transkripsiya qiladi. U sizga transkriptni iloji boricha tezroq yetkazishga moslangan.
Delfin juda yuqori aniqlikni ta'minlaydi va shu bilan birga juda tez ishlaydi. 1 soatlik audio yoki videoni transkripsiya qilish uchun taxminan 3 daqiqa ketadi.
Kit maksimal aniqlikka moslangan. 1 soatlik audio yoki videoni 10 daqiqadan kam vaqt ichida transkripsiya qiladi.
Fayl yuklayotganda, siz bu 3 ta rejimdan istalganini tanlashingiz mumkin ( Kit standart rejim).
Xo'sh, qaysi birini tanlash kerak? Biz maksimal aniqlik uchun standart rejimdan (Kit) boshlashni va transkriptlar yanada tezroq kerak bo'lganda Delfin yoki Gepardga o'tishni tavsiya qilamiz.
Sahna ortida nima bo'layotganini yaxshiroq tushunmoqchi bo'lganlar uchun o'qishni davom ettiring.
Whisper: Ko'rinishidan ko'proq narsa
Keling, TurboScribe transkripsiyasining asosidagi AI texnologiyasi Whisper ga yaqinroq nazar solaylik.
Whisper bu shunchaki bitta AI model emas; bu aslida aniqlik va tezlik o'rtasidagi turli muvozanatga ega bo'lgan beshta model oilasi.
Past chegarada, Whisper "tiny" modeldan ("atigi" 39 million parametr) boshlanib, "large" gacha (1.55 milliard parametr) boradi.
"tiny" eng tez, lekin eng ko'p xatoliklarga yo'l qo'yadi. "base" va "small" ko'pchilik odamlardan yaxshiroq. "large" eng aniq (professional transkriberlar va tarjimonlarga teng), lekin ko'p xotira va qimmat uskunalar talab qiladi.
Whisperning 5 ta Modeli
Whisper oilasida 5 ta turli AI model mavjud:
- tiny — 39 million parametr
- base — 74 million parametr (TurboScribe ning Gepard rejimini quvvatlaydi)
- small — 244 million parametr (TurboScribe ning Delfin rejimini quvvatlaydi)
- medium — 769 million parametr
- large — 1.55 milliard parametr (TurboScribe ning Kit rejimini quvvatlaydi)
Afsuski, agar sizda juda kuchli kompyuter yoki kuchli GPU (grafik protsessor) bo'lmasa, ko'pchilik "base" dan kattaroq modellarni samarali ishlatishda qiynaladi.
GPUlar audio tez transkripsiya qilishning siri. Afsuski, ular juda qimmat. Hozirgi vaqtda, bitta Nvidia A100 — "AI poygasini quvvatlovchi" chip — $6,715.00 turadi Amazonda.
TurboScribe transkripsiyani sezilarli darajada tezlashtirish va ko'proq ishni tezroq bajarish uchun GPUlardan foydalanadi.
Transkripsiya Vaqtlarini Solishtirish
Keling, Ikkinchi Jahon urushi haqidagi 1 soatlik audio faylni transkripsiya qilish orqali TurboScribe ning har bir rejimini GPU-quvvatli transkripsiya tizimimizda solishtiraylik.
Gepard
Gepard 74 million parametrli "base" model yordamida aniq transkriptlarni maksimal tezlikda yetkazishga ustuvorlik beradi. Mana 1 soatlik audio faylimizni transkripsiya qilish qanday ko'rinishda:
Bu atigi 20 soniya vaqt oldi. Boshqacha aytganda, u tez.
Delfin
244 million parametrli Delfin ikki barobar ko'proq vaqt oladi (bu ham ancha tez):
Kit
Va nihoyat, Kit xuddi shu 1 soatlik audio faylni transkripsiya qilish uchun taxminan 3 daqiqa oladi (ulkan 1.55 milliard parametrli Whisper "large-v2" modeli bilan):
Yodda tutingki, transkripsiya vaqtlari biroz o'zgarishi mumkin.
Masalan, katta, 4GB video faylni (2 soatlik audio bilan) transkripsiya qilish xuddi shu 2 soatlik audio bilan kichikroq 100MB MP3 faylga qaraganda biroz ko'proq vaqt oladi — bu asosan biz media faylingizni uzatish, tahlil qilish, qayta ishlash va konvertatsiya qilishga ko'proq vaqt sarflashimiz kerakligi tufayli.
Inson nutqi kam aniqlangan audio fayllar (masalan, ko'p jimlik davrlari bo'lgan audio yozuv) odatda tezroq transkripsiya qilinishi mumkin. Bundan tashqari, bir nechta fayllarni transkripsiya qilish odatda bitta faylni transkripsiya qilishdan tezroq.
Aniqlikni Solishtirish
Ko'plab oddiy audio va video fayllar uchun Gepard, Delfin va Kit o'rtasida hech qanday farq yo'q.
Delfin va Kit o'xshash eshitiladigan so'zlarni farqlash uchun kontekst ko'rsatmalari talab qilinadigan hollarda ajralib turadi.
Masalan, yuqori darajadagi fon shovqini bilan tez sur'atli yuridik yozuvda, "Habeas Corpus" atamasi Gepard bilan "happy is porpoise" sifatida noto'g'ri tarjima qilingan. Ammo, atrofdagi suhbat kontekstiga asoslanib (boshqa yuridik atamalarni o'z ichiga olgan), Delfin va Kit ikkalasi ham "Habeas Corpus" eng ehtimoliy transkripsiya ekanligini to'g'ri aniqladi.
Mana yana bir misol: audio yozuvda, Kristina Hernandez ismli ayol o'zini tanishtiradi va ismini harflab aytadi.
Gepard uning ismini noto'g'ri "Christina" sifatida transkripsiya qiladi ("Kristina" o'rniga):
(1-gapiruvchi) Mening ismim Christina Hernandez. Bu K R I S T I N A H E R N A N D E Z deb harflanadi. (2-gapiruvchi) Rahmat, Christina.
Delfin uning ismining birinchi ishlatilishini noto'g'ri transkripsiya qiladi, lekin ikkinchi ishlatilishini (u o'z ismini harflab aytgandan keyin) to'g'rilaydi:
(1-gapiruvchi) Mening ismim Christina Hernandez. Bu K R I S T I N A H E R N A N D E Z deb harflanadi. (2-gapiruvchi) Rahmat, Kristina.
Kit ikkalasini ham to'g'ri oladi:
(1-gapiruvchi) Mening ismim Kristina Hernandez. Bu K R I S T I N A H E R N A N D E Z deb harflanadi. (2-gapiruvchi) Rahmat, Kristina.
Metama'lumotlar Bilan Aniqlikni Oshirish
Hatto inson tarjimon ham to'g'ri transkripsiyani aniq aniqlay olmaydigan holatlar mavjud. Masalan, agar Kristina hech qachon o'z ismini harflab aytmaganda, uning ismining to'g'ri yozilishini (faqat audioga asoslanib) aniqlash imkonsiz bo'lardi.
Aniqlikni yanada oshirish uchun, TurboScribe siz yuklagan audio va video fayllarga biriktirilgan metama'lumotlardan (fayl nomi, sarlavha va tavsifi kabi) faqat audio asosida aniq aniqlab bo'lmaydigan atamalarni avtomatik tarzda yaxshilash uchun foydalanadi.
Masalan, agar MP3 metama'lumotlari sarlavhasi, ijrochisi yoki izohi "Kristina Hernandez" ga havola qilsa, barcha 3 ta rejim uning ismini to'g'ri transkripsiya qilish ehtimoli ancha yuqori.
Xulosa
Qisqacha aytganda, TurboScribe uchta transkripsiya rejimini taklif qiladi:
- Gepard iloji boricha tezroq aniq transkripsiyalar taqdim etadi.
- Delfin aniqlik va tezlik o'rtasidagi mukammal muvozanatga intiladi.
- Kit aniqlikni maksimal darajaga ko'taradi, lekin biroz ko'proq vaqt oladi. Bu TurboScribe ning standart rejimi.
Ularning imkoniyatlarini haqiqatan tushunishning eng yaxshi yo'li – ularni o'zingiz sinab ko'rish. Bepul boshlang va har kuni 4 tagacha audio yoki video fayllarni bepul transkripsiya qiling.
