音声の概要

正確なトランスクリプション - 選択したオブジェクト・ストレージ・バケットに直接書き込まれる正確で使いやすいJSONおよびSubRipサブタイトル(SRT)ファイルを生成します。トランスクリプションを利用してアプリケーションと直接統合し、字幕やコンテンツの検索および分析に使用できます。

タイムスタンプ付きJSON—トランスクリプションは、各トークン(単語)のタイムスタンプを提供します。タイムスタンプを使用して、メディア・ファイル内で探しているテキストを検索して検索し、その場所にすばやくジャンプできます。

多言語 - 英語、英語- イギリス、英語- オーストラリア、英語- インド、スペイン語、ポルトガル語、フランス語、イタリア語、ドイツ語、ヒンディー語で正確な文字起こしを生成します。

非同期API - トランスクリプション・タスク・バッチ処理による非同期APIの強化。APIを使用すると、まだ処理されていないジョブを取り消せるため、時間とコストを節約できます。

テキストの正規化 - 数値、住所、通貨などのテキストの正規化を提供します。テキストの正規化により、読みやすく理解しやすい人工知能から高品質の転写を得ることができます。

プロファニティ・フィルタリング - トランスクリプションから不快な単語を削除、マスクまたはタグ付けできます。

単語当たりの信頼度スコアおよび文字起こし - 生成されたJSONファイルで単語および文字起こし信頼度スコアを生成します。信頼度スコアを使用すると、注意が必要な単語をすばやく識別できます。

クローズされたキャプション - SRTファイルを追加の出力形式として提供します。閉じたキャプションをビデオ・ファイルに追加するには、SRTを使用します。

句読点—長いテキストには句読点が必要なため、音声は文字化コンテンツを自動的に句読点にします。

Telephoney ready—ファイルは8 kHzまたは16 kHzにでき、それぞれが自動的に検出されるため、正しいモデルが適用されます。この機能を使用すると、電話録音を文字化できます。

スピーカーのダイアライゼーション - 患者と比較してサービスプロバイダーを識別することにより、医療オーディオから処方箋を抽出するなど、自然言語理解シナリオを使用して、転写テキストを特定のスピーカーに関連付けます。スピーカのダイアライゼーションは、スピーカーのセグメンテーションとスピーカーのクラスタリングを組み合わせたものです。スピーカーセグメンテーションでは、オーディオストリーム内のスピーカー変更点が検索されます。スピーカーのクラスタリングでは、スピーカの特性に基づいて音声セグメントがグループ化されます。