Новые открытые ASR-модели и SpeechExpert Large для четырёх языков
В Speech Expert расширился выбор моделей распознавания речи. В каталоге появились новые открытые ASR-модели для узбекского, а семейство усиленных моделей SpeechExpert Large теперь доступно для кыргызского, таджикского, армянского и узбекского языков. Все они работают в кабинете и через API.
Новые открытые модели для узбекского
Для узбекских записей можно выбрать три новых самостоятельных распознавателя:
- Whisper-Kotib-UZ — узбекская модель семейства Whisper.
- Whisper-Callcenter-UZ — вариант для узбекской речи, ориентированный в том числе на телефонные записи.
- Uzinfocom-FastConformer-UZ — узбекская модель на архитектуре FastConformer.
Эти модели созданы на базе открытых разработок с лицензией Apache 2.0 и доступны в сервисе как отдельные варианты распознавания. Можно сравнить их на своих записях и выбрать подходящий результат для звонков, интервью, лекций или архивных материалов.
Четыре языка в семействе SpeechExpert Large
Для задач, где требуется усиленное распознавание, добавлены языковые модели:
- Кыргызский —
SpeechExpert-STT-KY-Large. - Таджикский —
SpeechExpert-STT-TG-Large. - Армянский —
SpeechExpert-STT-HY-Large. - Узбекский —
SpeechExpert-STT-UZ-Large.
Линейка предназначена для готовых аудио- и видеофайлов, включая записи с шумом, сложной лексикой и неидеальным качеством звука. Large обрабатывают запись в одноканальном режиме и возвращают общий текст без разделения говорящих. Начать удобно с характерного фрагмента своего материала: качество зависит от записи, темы и произношения.
Узбекская Large — с таймкодами фраз
У узбекской Large появились пофразовые таймкоды. Они помогают перейти к нужному месту записи, проверить расшифровку и подготовить субтитры SRT или VTT. Временные отметки относятся к фразам, а не отдельным словам. Если надёжно определить границы не получается, весь текст сохраняется без временной разметки.
Как попробовать
- Откройте кабинет и загрузите аудио- или видеофайл.
- Выберите язык записи и нужную модель.
- Проверьте расчёт стоимости, запустите распознавание и сравните результат с исходной записью.
Для приложений доступны синхронное и фоновое распознавание через API. У узбекской Large можно запросить фразовые интервалы; OpenAI-совместимый интерфейс также возвращает verbose_json, SRT и VTT. Тариф зависит от выбранной модели и показывается до обработки.
Попробовать в кабинете · Модели и подключение через API · OpenAI-совместимый интерфейс