Projektbeschreibung
ÜbersetztUnser Unternehmen verarbeitet wöchentlich ein großes Volumen an Audioaufnahmen — Support-Anrufe, Remote-Interviews und interne Team-Meetings — und wir benötigen einen zuverlässigen automatischen Sprache-zu-Text-Transkriptionsdienst. Die Hauptaufgabe besteht darin, Audiodateien in gängigen Formaten zu akzeptieren und in präzisen, lesbaren Text umzuwandeln. Jede Transkription muss klar zeigen, wer was gesagt hat: Äußerungen müssen von einzelnen Sprechern gekennzeichnet werden, und jedes Fragment muss mit genauen Zeitstempeln annotiert werden, sodass jede Zeile mit einem bestimmten Moment in der Originalaufnahme abgeglichen werden kann. Das System muss sowohl mit russischen als auch mit englischen Audios arbeiten, einschließlich mehrsprachiger Aufnahmen, bei denen die Teilnehmer innerhalb eines Gesprächs zwischen den Sprachen wechseln.
Über die Erkennungsgenauigkeit hinaus ist es uns wichtig, wie der Dienst in unseren Arbeitsablauf integriert wird. Die Transkriptions-Engine muss über eine klare, gut dokumentierte API zugänglich sein, damit unsere internen Anwendungen Audio senden, den Verarbeitungsstatus anfordern und abgeschlossene Transkriptionen programmgesteuert abrufen können, ohne manuelles Eingreifen. Wir erwarten eine korrekte Handhabung von langen Aufnahmen, Hintergrundgeräuschen und überlappender Sprache sowie eine strukturierte Ausgabe, die gespeichert und durchsucht werden kann. Der ideale Auftragnehmer wird das Backend in Python implementieren, ein bewährtes Spracherkennungsmodell integrieren und eine Lösung liefern, die unter täglicher Last stabil läuft, kein einmaliges Skript. Bitte fügen Sie Beispiele ähnlicher Transkriptions- oder Audioverarbeitungsprojekte hinzu und beschreiben Sie, wie Sie die Sprecherdiarisierung und die Genauigkeitsanpassung für unser Sprachpaar angehen werden.
— API-Endpunkte zum Hochladen von Audio und Abrufen von Transkriptionen
— Sprecherkennzeichnung (Diarisation) und Zeitstempel auf Wort- oder Segmentebene
— Unterstützung für russische, englische und mehrsprachige Aufnahmen
— Python-Backend mit dokumentierter und testbarer Bereitstellung
Über die Erkennungsgenauigkeit hinaus ist es uns wichtig, wie der Dienst in unseren Arbeitsablauf integriert wird. Die Transkriptions-Engine muss über eine klare, gut dokumentierte API zugänglich sein, damit unsere internen Anwendungen Audio senden, den Verarbeitungsstatus anfordern und abgeschlossene Transkriptionen programmgesteuert abrufen können, ohne manuelles Eingreifen. Wir erwarten eine korrekte Handhabung von langen Aufnahmen, Hintergrundgeräuschen und überlappender Sprache sowie eine strukturierte Ausgabe, die gespeichert und durchsucht werden kann. Der ideale Auftragnehmer wird das Backend in Python implementieren, ein bewährtes Spracherkennungsmodell integrieren und eine Lösung liefern, die unter täglicher Last stabil läuft, kein einmaliges Skript. Bitte fügen Sie Beispiele ähnlicher Transkriptions- oder Audioverarbeitungsprojekte hinzu und beschreiben Sie, wie Sie die Sprecherdiarisierung und die Genauigkeitsanpassung für unser Sprachpaar angehen werden.
— API-Endpunkte zum Hochladen von Audio und Abrufen von Transkriptionen
— Sprecherkennzeichnung (Diarisation) und Zeitstempel auf Wort- oder Segmentebene
— Unterstützung für russische, englische und mehrsprachige Aufnahmen
— Python-Backend mit dokumentierter und testbarer Bereitstellung
Softwareentwicklung Bargeld, Banküberweisung
