Trascrizione del parlato

La funzionalità Trascrizione vocale trascrive l'audio parlato in un video o in un segmento di video in testo e restituisce blocchi di testo per ogni parte dell'audio trascritto.

Modelli supportati

Video Intelligence supporta solo l'inglese (Stati Uniti). Per altre lingue, utilizza l'API Speech-to-Text, che supporta tutte le lingue disponibili. Per l'elenco delle lingue disponibili, consulta Supporto linguistico nella documentazione di Speech-to-Text.

Per trascrivere il parlato da un video, chiama il metodo annotate e specifica SPEECH_TRANSCRIPTION nel campo features.

Quando trascrivi la voce, puoi utilizzare le seguenti funzionalità:

• Parole alternative: utilizza l'opzione maxAlternatives per specificare il numero massimo di opzioni per le traduzioni di testo riconosciute da includere nella risposta. Questo valore può essere un numero intero compreso tra 1 e 30. Il valore predefinito è 1. L'API restituisce più trascrizioni in ordine decrescente in base al valore di affidabilità della trascrizione. Le trascrizioni alternative non includono voci a livello di parola.

• Filtro per il linguaggio volgare: utilizza l'opzione filterProfanity per escludere i termini volgari noti nelle trascrizioni. Le parole corrispondenti vengono sostituite con il carattere iniziale della parola seguito da asterischi. Il valore predefinito è false.

• Suggerimenti per la trascrizione: utilizza l'opzione speechContexts per fornire frasi comuni o insolite nell'audio. Queste frasi vengono poi utilizzate per aiutare il servizio di trascrizione a creare trascrizioni più accurate. Fornisci un indicazione per la trascrizione come oggetto SpeechContext.

• Selezione della traccia audio: utilizza l'opzione audioTracks per specificare la traccia da trascrivere dal video multitraccia. Gli utenti possono specificare fino a due canali. Il valore predefinito è 0. Una volta impostato il codice lingua su en-US, la richiesta viene indirizzata alla modalità migliorata, che è addestrata sull'audio in inglese americano; non conosce in realtà l'inglese americano o altre lingue. Se inseriamo un audio in spagnolo nel modello migliorato, la trascrizione verrà eseguita, ma potrebbero esserci output con punteggi di confidenza bassi o nessun output, il che è ciò che ci si aspetta da un buon modello.

• Punteggiatura automatica: utilizza l'opzione enableAutomaticPunctuation per includere la punteggiatura nel testo trascritto. Il valore predefinito è false.

• Più speaker: utilizza l'opzione enableSpeakerDiarization per identificare diversi speaker in un video. Nella risposta, ogni parola riconosciuta include un campo speakerTag che identifica lo speaker a cui è attribuita.

Per risultati ottimali, fornisci audio registrato con una frequenza di campionamento pari o superiore a 16.000 Hz.

Dai un'occhiata al visualizzatore dell'API Video Intelligence per vedere questa funzionalità in azione.

Per esempi di richiesta di trascrizione vocale, consulta Trascrizione vocale.