AssemblyAI Best
нейросеть
AssemblyAI Best — модель для транскрибации аудио от AssemblyAI: превращает записи разговоров, интервью и лекций в текст.
Характеристики
- Входные данные
- аудио
- Результат
- текст
Стоимость промпта
(за 1M токенов)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
import fs from 'fs';
async function main() {
const { text } = await openai.audio.transcriptions.create({
file: fs.createReadStream('/path/to/file.mp3'),
model: 'assembly-ai-best',
});
console.log(text);
}main();
Как работает AssemblyAI Best?
AssemblyAI Best — это специализированная модель распознавания речи от AssemblyAI: она принимает аудио на вход и отдаёт готовый текст, а поддержка больших файлов позволяет работать не только с короткими заметками, но и с длинными записями встреч и подкастов. Это инструмент под одну задачу — аккуратную расшифровку звука, поэтому его удобно ставить в основу пайплайна обработки аудио. В BotHub модель доступна из России без VPN и зарубежной карты, платите в рублях по факту, а токены не сгорают по расписанию подписки. Рядом, в одном окне, более 250 других моделей: расшифровку можно сразу передать текстовой модели для саммари, не меняя интерфейс. Для разработчиков есть единый OpenAI-совместимый API, для компаний — договор, счёт, ЭДО и админ-панель с лимитами, а данные передаются с шифрованием. Пригодится, чтобы расшифровать интервью и подкасты, собрать протоколы созвонов, сделать конспекты лекций и вебинаров, обработать записи звонков поддержки или превратить голосовые сообщения в текстовые черновики.Частые вопросы о AssemblyAI Best
Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.
Это модель распознавания речи: вы загружаете аудио, а на выходе получаете текстовую расшифровку. В BotHub доступна и работа с длинными записями. Подходит для расшифровки интервью, созвонов, подкастов, лекций, голосовых сообщений и подготовки текстовой базы для поиска.
По нашим данным предел вывода составляет 4096 токенов, контекст — 4095. Длинные записи удобнее разбивать на части и расшифровывать последовательно, а затем склеивать результат. Так вы получите полную расшифровку без потери фрагментов на границах.
Режим пошаговых рассуждений в наших данных не отмечен: это специализированная модель транскрибации, её задача — точно перевести речь в текст. Если нужно резюме, выводы или анализ расшифровки, передайте готовый текст любой текстовой модели в BotHub.
В наших данных вызов функций и строгий структурированный вывод не отмечены. На практике модель используют как этап расшифровки в пайплайне: результат возвращается через единый OpenAI-совместимый API BotHub, и вы обрабатываете его на своей стороне.
Аудио — да, это основной формат ввода, включая длинные записи. Изображения и видео как вход в наших данных не отмечены. Если у вас видеофайл, извлеките из него звуковую дорожку и отправьте её на расшифровку.
Точных данных о качестве по конкретным языкам у нас нет, поэтому лучше проверить модель на своей записи — качество зависит от дикции, шума и записи. В BotHub это можно сделать сразу, без VPN и зарубежной карты, с оплатой в рублях.