VoiceAgentInputTranscription interface

Pacote:

@azure/ai-projects

Configuração assíncrona de entrada e transcrição áudio. Expande as opções de transcrição em tempo real do OpenAI com os modelos de transcrição Azure e MAI, modelos de fala personalizados e dicas de frase.

Propriedades

custom_speech	Configuração opcional de implementação de voz personalizada pelo cliente, codificada por localidade.
delay	Controla quanto tempo o modelo espera antes de emitir texto de transcrição. Valores mais elevados podem melhorar a precisão da transcrição à custa da latência. Só suportado em gpt-realtime-whisper sessões em tempo real do GA.
keywords	Palavras ou frases para guiar a transcrição do áudio de entrada. Apoiado por gpt-transcribe e gpt-live-transcribe.
language	O idioma do áudio de entrada. O fornecimento do idioma de entrada no formato ISO-639-1 (por exemplo) enmelhorará a precisão e a latência.
languages	Possíveis linguagens do áudio de entrada, no formato ISO-639-1 . Apoiado por gpt-transcribe e gpt-live-transcribe.
model	O identificador do modelo de transcrição. Configurar implementações de voz personalizadas do cliente em custom_speech.
phrase_list	Frases opcionais sugerem que o reconhecimento favorece os termos do domínio.
prompt	Um texto opcional para guiar o estilo do modelo ou continuar um segmento de áudio anterior. Para whisper-1, o prompt é uma lista de palavras-chave. Para gpt-4o-transcribe modelos (excluindo gpt-4o-transcribe-diarize), o prompt é uma cadeia de texto livre, por exemplo "expect words related to technology". O prompt não é suportado gpt-realtime-whisper em sessões em tempo real de GA.

Detalhes de Propriedade

custom_speech

Configuração opcional de implementação de voz personalizada pelo cliente, codificada por localidade.

custom_speech?: Record<string, string>

Valor de Propriedade

Record<string, string>

delay

Controla quanto tempo o modelo espera antes de emitir texto de transcrição. Valores mais elevados podem melhorar a precisão da transcrição à custa da latência. Só suportado em gpt-realtime-whisper sessões em tempo real do GA.

delay?: "low" | "medium" | "high" | "minimal" | "xhigh"

Valor de Propriedade

"low" | "medium" | "high" | "minimal" | "xhigh"

keywords

Palavras ou frases para guiar a transcrição do áudio de entrada. Apoiado por gpt-transcribe e gpt-live-transcribe.

keywords?: string[]

Valor de Propriedade

string[]

language

O idioma do áudio de entrada. O fornecimento do idioma de entrada no formato ISO-639-1 (por exemplo) enmelhorará a precisão e a latência.

language?: string

Valor de Propriedade

string

languages

Possíveis linguagens do áudio de entrada, no formato ISO-639-1 . Apoiado por gpt-transcribe e gpt-live-transcribe.

languages?: string[]

Valor de Propriedade

string[]

model

O identificador do modelo de transcrição. Configurar implementações de voz personalizadas do cliente em custom_speech.

model: VoiceAgentInputTranscriptionModel

Valor de Propriedade

VoiceAgentInputTranscriptionModel

phrase_list

Frases opcionais sugerem que o reconhecimento favorece os termos do domínio.

phrase_list?: string[]

Valor de Propriedade

string[]

prompt

Um texto opcional para guiar o estilo do modelo ou continuar um segmento de áudio anterior. Para whisper-1, o prompt é uma lista de palavras-chave. Para gpt-4o-transcribe modelos (excluindo gpt-4o-transcribe-diarize), o prompt é uma cadeia de texto livre, por exemplo "expect words related to technology". O prompt não é suportado gpt-realtime-whisper em sessões em tempo real de GA.

prompt?: string

Valor de Propriedade

string