Fish Audio añade etiquetas de hablante y de emoción a sus transcripciones de audio
La función está disponible a través de la API transcribe-1-pro de Fish Audio a $0.36 por hora de audio; la compañía dice que sus modelos de reconocimiento de voz admiten 83 idiomas.
By Ryan Merket · Published
Primary source: X
Por qué importa
Fish Audio está expandiendo su negocio de generación de voz hacia el reconocimiento de voz, donde las señales del hablante y las señales vocales pueden hacer que las transcripciones sean más útiles para el software posterior. La función está disponible a una tarifa declarada de la API de $0.36 por hora de audio, mientras que el superlativo de precisión de la compañía carece de un punto de referencia en su anuncio.
![A person reviews an advanced transcript on a laptop screen, showing identified speakers, emotional cues like [laughter], and multilingual text.](https://runtimewire.com/api/storage/uploads/hero-images/fish-audio-fishaudio-today-we-re-ending-boring-transcripts-fish-audio-s-asr-mode-2538619e.png?w=1600&fmt=webp)
Fish Audio dijo el 28 de septiembre que su modelo de reconocimiento de voz a texto puede marcar cambios de hablante y agregar etiquetas de emoción y eventos vocales, ampliando un producto que convierte audio en transcripciones más estructuradas. La compañía describió la actualización en un post en X; su documentación de speech-to-text identifica el modelo con esas funciones como transcribe-1-pro.
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.