VoiceAgentInputTranscription interface

Paket:

@azure/ai-projects

Asynkron ingång-ljud-transkriberingskonfiguration. Utökar OpenAI:s realtidstranskriberingsalternativ med Azure- och MAI-transkriptionsmodeller, anpassade talmodeller och frasledtrådar.

Egenskaper

custom_speech	Valfri kundanpassad talutrullningskonfiguration, inställd efter plats.
delay	Styr hur länge modellen väntar innan transkriberingstexten sänds. Högre värden kan förbättra transkriptionsnoggrannheten på bekostnad av latens. Endast stödd med gpt-realtime-whisper realtidssessioner i GA.
keywords	Ord eller fraser för att vägleda transkriptionen av inmatningsljudet. Stöds av gpt-transcribe och gpt-live-transcribe.
language	Språket för indataljudet. Om du anger indataspråket i FORMATET ISO-639-1 (t.ex. en) förbättras noggrannheten och svarstiden.
languages	Möjliga språk för inmatningsljudet, i ISO-639-1-format . Stöds av gpt-transcribe och gpt-live-transcribe.
model	Identifieraren av transkriptionsmodellen. Konfigurera kundens anpassade talutplaceringar i custom_speech.
phrase_list	Valfri fras antyder att den är fördomsmässig mot domäntermer.
prompt	En valfri text för att styra modellens stil eller fortsätta ett tidigare ljudsegment. För whisper-1är prompten en lista med nyckelord. För gpt-4o-transcribe modeller (exklusive gpt-4o-transcribe-diarize) är prompten en fritextsträng, till exempel "förvänta ord relaterade till teknik". Prompt stöds gpt-realtime-whisper inte i GA Realtime-sessioner.

Egenskapsinformation

custom_speech

Valfri kundanpassad talutrullningskonfiguration, inställd efter plats.

custom_speech?: Record<string, string>

Egenskapsvärde

Record<string, string>

delay

Styr hur länge modellen väntar innan transkriberingstexten sänds. Högre värden kan förbättra transkriptionsnoggrannheten på bekostnad av latens. Endast stödd med gpt-realtime-whisper realtidssessioner i GA.

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

Egenskapsvärde

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

keywords

Ord eller fraser för att vägleda transkriptionen av inmatningsljudet. Stöds av gpt-transcribe och gpt-live-transcribe.

keywords?: string[]

Egenskapsvärde

string[]

language

Språket för indataljudet. Om du anger indataspråket i FORMATET ISO-639-1 (t.ex. en) förbättras noggrannheten och svarstiden.

language?: string

Egenskapsvärde

string

languages

Möjliga språk för inmatningsljudet, i ISO-639-1-format . Stöds av gpt-transcribe och gpt-live-transcribe.

languages?: string[]

Egenskapsvärde

string[]

model

Identifieraren av transkriptionsmodellen. Konfigurera kundens anpassade talutplaceringar i custom_speech.

model: VoiceAgentInputTranscriptionModel

Egenskapsvärde

VoiceAgentInputTranscriptionModel

phrase_list

Valfri fras antyder att den är fördomsmässig mot domäntermer.

phrase_list?: string[]

Egenskapsvärde

string[]

prompt

En valfri text för att styra modellens stil eller fortsätta ett tidigare ljudsegment. För whisper-1är prompten en lista med nyckelord. För gpt-4o-transcribe modeller (exklusive gpt-4o-transcribe-diarize) är prompten en fritextsträng, till exempel "förvänta ord relaterade till teknik". Prompt stöds gpt-realtime-whisper inte i GA Realtime-sessioner.

prompt?: string

Egenskapsvärde

string