Descripción del proyecto
TraducidoNuestra empresa procesa un gran volumen de grabaciones de audio semanalmente — llamadas de soporte, entrevistas remotas y reuniones internas — y necesitamos un servicio de transcripción automática de voz a texto confiable. La tarea principal es aceptar archivos de audio en formatos comunes y convertirlos en texto preciso y legible. Cada transcripción debe mostrar claramente quién dijo qué: las intervenciones deben ser etiquetadas por hablantes individuales, y cada fragmento debe estar anotado con códigos de tiempo precisos para que cualquier línea pueda ser emparejada con un momento específico en la grabación original. El sistema debe funcionar con audio en ruso e inglés, incluyendo grabaciones en idiomas mixtos donde los participantes cambian entre idiomas dentro de una sola conversación.
Más allá de la precisión del reconocimiento, nos importa cómo se integrará el servicio en nuestro flujo de trabajo. El motor de transcripción debe ser accesible a través de una API clara y bien documentada para que nuestras aplicaciones internas puedan enviar audio, solicitar el estado del procesamiento y recuperar transcripciones completadas programáticamente, sin intervención manual. Esperamos un manejo correcto de grabaciones largas, ruido de fondo y habla superpuesta, así como una salida estructurada que pueda ser almacenada y buscada. El contratista ideal implementará el backend en Python, integrará un modelo de reconocimiento de voz probado y entregará una solución que funcione de manera estable bajo carga diaria, no un script único. Por favor, incluya ejemplos de proyectos similares de transcripción o procesamiento de audio y describa cómo abordará la diarización de hablantes y el ajuste de precisión para nuestro par de idiomas.
— Puntos finales de API para subir audio y recuperar transcripciones
— Etiquetado de hablantes (diarización) y códigos de tiempo a nivel de palabra o segmento
— Soporte para grabaciones en ruso, inglés y en idiomas mixtos
— Backend en Python con implementación documentada y comprobable
Más allá de la precisión del reconocimiento, nos importa cómo se integrará el servicio en nuestro flujo de trabajo. El motor de transcripción debe ser accesible a través de una API clara y bien documentada para que nuestras aplicaciones internas puedan enviar audio, solicitar el estado del procesamiento y recuperar transcripciones completadas programáticamente, sin intervención manual. Esperamos un manejo correcto de grabaciones largas, ruido de fondo y habla superpuesta, así como una salida estructurada que pueda ser almacenada y buscada. El contratista ideal implementará el backend en Python, integrará un modelo de reconocimiento de voz probado y entregará una solución que funcione de manera estable bajo carga diaria, no un script único. Por favor, incluya ejemplos de proyectos similares de transcripción o procesamiento de audio y describa cómo abordará la diarización de hablantes y el ajuste de precisión para nuestro par de idiomas.
— Puntos finales de API para subir audio y recuperar transcripciones
— Etiquetado de hablantes (diarización) y códigos de tiempo a nivel de palabra o segmento
— Soporte para grabaciones en ruso, inglés y en idiomas mixtos
— Backend en Python con implementación documentada y comprobable
Desarrollo de software Efectivo, Transferencia bancaria
