Konuşma tanıma nasıl gömülür? JSON'u döndürün {"steps": [2+ adım listesi], "why": "kısa"}.
Konuşmayı metne (STT, konuşmayı metne dönüştürme), sesi metne dönüştürür ve bu, model tarafından daha da işlenir. Nasıl gömülür: bir mod seçin - akış (canlı diyalog için konuşma sırasında transkripsiyon) veya toplu (kayıtlar için bir dosya yüklendi - alınan metin); doğruluk faktörlerini dikkate alın - gürültü, aksan, terimler, dil (genellikle dil açıkça belirtilmelidir); tanıma hatalarını ele alın (STT, özellikle adlar ve numaralarda hata yapar - kullanıcının kontrol etmesine ve düzeltmesine izin verin); Metni anlam için LLM'ye iletin. STT girdidir, son değil: ham transkriptin neredeyse her zaman temizlenmesi veya anlamlandırılması gerekir. Kural: STT metni verir ancak anlayışı vermez; model anlamı takip eder ve kaliteyi gürültü, dil ve hata kontrolü ile izler.