Opis projektu
PrzetłumaczoneNasza firma przetwarza dużą ilość nagrań audio co tydzień — rozmowy wsparcia, zdalne wywiady i wewnętrzne spotkania zespołowe — i potrzebujemy niezawodnej automatycznej usługi transkrypcji mowy na tekst. Główne zadanie polega na akceptowaniu plików audio w powszechnych formatach i przekształcaniu ich w dokładny, czytelny tekst. Każda transkrypcja musi wyraźnie pokazywać, kto co powiedział: wypowiedzi muszą być oznaczone przez poszczególnych mówców, a każdy fragment musi być opatrzony precyzyjnymi znacznikami czasowymi, aby każda linia mogła być dopasowana do konkretnego momentu w źródłowym nagraniu. System musi działać zarówno z nagraniami w języku rosyjskim, jak i angielskim, w tym nagraniami w mieszanych językach, gdzie uczestnicy przełączają się między językami w trakcie jednej rozmowy.
Poza dokładnością rozpoznawania, ważne jest dla nas, jak usługa zintegrowana będzie z naszym przepływem pracy. Silnik transkrypcyjny musi być dostępny przez przejrzyste, dobrze udokumentowane API, aby nasze wewnętrzne aplikacje mogły wysyłać audio, żądać statusu przetwarzania i programowo pobierać zakończone transkrypcje, bez interwencji ręcznej. Oczekujemy poprawnego przetwarzania długich nagrań, hałasu tła i nakładającej się mowy, a także strukturalnego wyjścia, które można przechowywać i przeszukiwać. Idealny wykonawca wdroży backend w Pythonie, zintegrować sprawdzony model rozpoznawania mowy i dostarczyć rozwiązanie, które działa stabilnie pod codziennym obciążeniem, a nie jednorazowy skrypt. Proszę o dołączenie przykładów podobnych projektów transkrypcyjnych lub przetwarzania audio oraz opisanie, jak podejdziesz do diarizacji mówców i dostrajania dokładności dla naszej pary językowej.
— punkty końcowe API do przesyłania audio i pobierania transkrypcji
— Etykietowanie mówców (diarizacja) i znaczniki czasowe na poziomie słowa lub segmentu
— Wsparcie dla nagrań w języku rosyjskim, angielskim i mieszanych językach
— Backend w Pythonie z udokumentowanym i testowalnym wdrożeniem
Poza dokładnością rozpoznawania, ważne jest dla nas, jak usługa zintegrowana będzie z naszym przepływem pracy. Silnik transkrypcyjny musi być dostępny przez przejrzyste, dobrze udokumentowane API, aby nasze wewnętrzne aplikacje mogły wysyłać audio, żądać statusu przetwarzania i programowo pobierać zakończone transkrypcje, bez interwencji ręcznej. Oczekujemy poprawnego przetwarzania długich nagrań, hałasu tła i nakładającej się mowy, a także strukturalnego wyjścia, które można przechowywać i przeszukiwać. Idealny wykonawca wdroży backend w Pythonie, zintegrować sprawdzony model rozpoznawania mowy i dostarczyć rozwiązanie, które działa stabilnie pod codziennym obciążeniem, a nie jednorazowy skrypt. Proszę o dołączenie przykładów podobnych projektów transkrypcyjnych lub przetwarzania audio oraz opisanie, jak podejdziesz do diarizacji mówców i dostrajania dokładności dla naszej pary językowej.
— punkty końcowe API do przesyłania audio i pobierania transkrypcji
— Etykietowanie mówców (diarizacja) i znaczniki czasowe na poziomie słowa lub segmentu
— Wsparcie dla nagrań w języku rosyjskim, angielskim i mieszanych językach
— Backend w Pythonie z udokumentowanym i testowalnym wdrożeniem
Rozwój oprogramowania Gotówka, Przelew bankowy
