Bereid een verzoek voor transcriptie van deze opname voor. Retourneer JSON {"glossary":["..."],"speakers"...","output_needs": een verklarende woordenlijst met namen/termen om het model te vertellen hoe luidsprekers moeten worden gemarkeerd en wat er nodig is in de uitvoer (tijdcodes, markeren van onzekere plaatsen, enz.).
Transcriptie - het ontcijferen van een lange opname in tekst. Onder de motorkap herkent het model niet alleen woorden, maar probeert ook sprekers te scheiden (diariseren) en tijden te ordenen. Nauwkeurigheid hangt af van drie dingen: onbekende namen en termen, overlappende spraak (elkaar onderbrekend) en sterke accenten of ruis. Vandaar de hefboomwerking. De eerste en meest onderschatte manier is om het model vooraf een woordenlijst te geven: een lijst met namen van deelnemers, titels en afkortingen. Woorden die van tevoren worden ‘gepresenteerd’ worden merkbaar nauwkeuriger herkend dan woorden die vanaf het begin zijn geraden. Ten tweede: vraag naar markeringen per spreker en per tijd, zodat je snel het juiste moment kunt vinden. Pro-truc: als de invoer belangrijk is, vraag dan om onzekere plaatsen met haakjes of een bordje te markeren - zo kun je meteen zien wat je nog een keer moet controleren, in plaats van te vertrouwen op de vlotte, maar mogelijk foutieve tekst. Insider: 80% van de kwaliteit van de transcriptie wordt bepaald door de kwaliteit van het invoergeluid - één goede microfoon in het midden van de tafel is beter dan welke nabewerking dan ook. Een typische beginnersfout is om een opname van twee uur te posten zonder een enkele naam of context, en vervolgens tientallen fouten handmatig op te ruimen.
Ontgrendel toegang om oplossingen in te dienen voor onmiddellijke AI-beoordeling.