Мы расширили наш каталог — добавили в него модели для транскрибации аудио (Speech-to-Text), включая легендарное семейство Whisper и GLM-ASR-Nano — новую передовую модель для распознавания речи. Они умеют конвертировать живую речь в связный структурированный текст: отлично справляются с шумом, распознают сложные термины, понимают разные акценты и автоматически расставляют знаки препинания.
Главные фишки новых моделей:
- мультиязычность — точечное распознавание десятков языков мира;
- высокая точность — уверенно разбирают даже тихую или быструю речь;
- широкий спектр задач — от расшифровки звонков до создания субтитров к видео.
Сферы применения:
- голосовые ассистенты и умные боты;
- транскрибация интервью, лекций и созвонов;
- аналитика работы колл-центров.
Новые модели уже доступны в Foundation Models Catalog — можете протестировать их и подключить к вашим сервисам через API.
