Granite Speech 3.3 8B एक कॉम्पैक्ट स्पीच मॉडल है, जिसे दो सटीक कार्यों के लिए बनाया गया है: बोली गई ऑडियो को लिखित टेक्स्ट में बदलना और एक भाषा में बोली गई स्पीच को दूसरी भाषा में लिखित टेक्स्ट में अनुवाद करना। यदि आप रिकॉर्ड किए गए इंटरव्यू, पॉडकास्ट, लेक्चर, या बहुभाषी ऑडियो के साथ काम करते हैं, तो साफ़ ट्रांसक्रिप्ट हाथ से तैयार करने में घंटों लगते हैं। यह मॉडल उस काम को सेकंडों में बदल देता है। मॉडल विभिन्न ऑडियो स्थितियों में बिना आपके किसी विशेष पूर्व-प्रसंस्करण के पठनीय, सटीक ट्रांसक्रिप्ट बनाता है। यह एक ही वर्कफ़्लो में स्वचालित स्पीच पहचान और स्पीच अनुवाद दोनों का समर्थन करता है, इसलिए हर चरण के लिए अलग-अलग टूल की आवश्यकता नहीं होती। temperature, top-k, और top-p जैसे सैंपलिंग नियंत्रण आपको आउटपुट के रूप को सूक्ष्म रूप से समायोजित करने देते हैं, जब सटीकता महत्वपूर्ण हो। आउटपुट को सीधे कंटेंट पाइपलाइन, नोट-टेकिंग सिस्टम, या रिपोर्टिंग टूल में साधारण टेक्स्ट के रूप में डालें, जो संपादन या संग्रह के लिए तैयार हो। Picasso IA पर Granite Speech 3.3 8B हर जगह फिट बैठता है जहाँ ऑडियो आपके वर्कफ़्लो को धीमा करता है, और अपना पहला ट्रांसक्रिप्ट पाने में एक मिनट से भी कम समय लगता है।
Granite Speech 3.3 8B एक कॉम्पैक्ट स्पीच रिकग्निशन मॉडल है जो बोली गई ऑडियो को बिना किसी कोडिंग या तकनीकी सेटअप के सटीक, पठनीय टेक्स्ट में बदलता है। यह ट्रांसक्रिप्शन और अनुवाद दोनों कार्यों को संभालता है, जिससे यह ऑडियो सामग्री की एक विस्तृत श्रृंखला के लिए उपयोगी बनता है। Picasso IA पर, आप अपनी ऑडियो अपलोड करते हैं, कुछ वैकल्पिक सेटिंग्स समायोजित करते हैं, और सेकंडों में साफ़ टेक्स्ट आउटपुट प्राप्त करते हैं। चाहे आप किसी क्लाइंट कॉल को ट्रांसक्राइब कर रहे हों, वीडियो के लिए कैप्शन बना रहे हों, या रिकॉर्ड की गई मीटिंग से नोट्स निकाल रहे हों, मॉडल आपके लिए रूपांतरण का काम करता है।
क्या इसे उपयोग करने के लिए मुझे प्रोग्रामिंग कौशल या तकनीकी ज्ञान की आवश्यकता है? नहीं, बस Picasso IA पर Granite Speech 3.3 8B खोलें, अपनी इच्छित सेटिंग्स समायोजित करें, और जनरेट पर क्लिक करें।
क्या इसे आज़माना मुफ़्त है? हाँ, आप शुरुआत करने के लिए भुगतान विवरण दर्ज किए बिना Granite Speech 3.3 8B चला सकते हैं। क्रेडिट उपयोग आपके प्लान पर निर्भर करता है।
परिणाम प्राप्त करने में कितना समय लगता है? अधिकांश छोटे ऑडियो क्लिप कुछ सेकंड में एक ट्रांसक्रिप्ट लौटाते हैं। लंबी रिकॉर्डिंग में थोड़ा अधिक समय लगता है, लेकिन 8B पैरामीटर डिज़ाइन प्रोसेसिंग को तेज़ रखता है।
कौन से आउटपुट फ़ॉर्मेट समर्थित हैं? मॉडल साधारण टेक्स्ट लौटाता है। आप ट्रांसक्रिप्ट को कॉपी करके किसी भी दस्तावेज़ संपादक, कैप्शनिंग टूल, या नोट-टेकिंग ऐप में पेस्ट कर सकते हैं, जिसे आप पहले से उपयोग करते हैं।
क्या मैं आउटपुट शैली को अनुकूलित कर सकता हूँ? हाँ। system prompt या user prompt आपको टोन, फ़ॉर्मेट, या फोकस निर्दिष्ट करने देता है। temperature और टोकन सेटिंग्स आपको टेक्स्ट के रूप पर अतिरिक्त नियंत्रण देती हैं।
यह किन भाषाओं का समर्थन करता है? मॉडल को स्वचालित स्पीच रिकग्निशन और बोली गई भाषाओं की एक विस्तृत श्रृंखला में अनुवाद के लिए बनाया गया है। सर्वोत्तम परिणामों के लिए, कम बैकग्राउंड शोर वाली साफ़ ऑडियो का उपयोग करें।
यदि मैं परिणाम से संतुष्ट न हूँ तो क्या होगा? अपना प्रॉम्प्ट समायोजित करें या temperature सेटिंग बदलें और मॉडल को फिर से चलाएँ। क्योंकि हर जनरेशन तेज़ होती है, आमतौर पर उपयोगी ट्रांसक्रिप्ट पाने के लिए केवल कुछ ही प्रयास लगते हैं।
यह मॉडल आपके लिए क्या कर सकता है
उच्च सटीकता के साथ उच्चारणों और रिकॉर्डिंग स्थितियों में बोली गई शब्दों को साफ़, पठनीय टेक्स्ट में बदलता है।
एक भाषा में ऑडियो को प्रोसेस करता है और दूसरी भाषा में लिखित टेक्स्ट आउटपुट करता है, जिससे अलग अनुवाद चरण की आवश्यकता समाप्त हो जाती है।
8B पैरामीटर डिज़ाइन बहुत बड़े स्पीच मॉडलों की तुलना में कम विलंबता के साथ कुशलतापूर्वक चलता है।
एक ही रन में कई ऑडियो फ़ाइलें स्वीकार करता है, जिससे आप एक साथ कई रिकॉर्डिंग प्रोसेस कर सकते हैं।
ट्रांसक्रिप्ट आउटपुट कितना निर्धारक या विविध है, इसे ट्यून करने के लिए temperature, top-k, और top-p समायोजित करें।
ट्रांसक्रिप्शन शैली, विराम चिह्न, या आउटपुट फ़ॉर्मेटिंग को निर्देशित करने के लिए system prompt या user prompt जोड़ें।
जनरेशन को जल्दी रोकने के लिए विशिष्ट टोकन परिभाषित करें, जिससे आपको आउटपुट लंबाई पर अधिक सटीक नियंत्रण मिलता है।
