النماذج واللغات والأصوات

اختر مسار المعالجة أولاً. ثم اختر المعاملات التي يعرضها ذلك المسار فقط: تحدد اللغة الكلام، ويختار نموذج ASR أداة التعرف، وتعدل محددات المعالجة خرج Batch، وصوت TTS ليس نموذجًا.

اتخذ الاختيارات بهذا الترتيب

1. اختر Batch للتسجيلات الطويلة أو الكبيرة المكتملة، وFast لوحدة صوت مكتملة حساسة للكمون مثل دور لوكيل، وRealtime ما دام الصوت يصل، أو TTS عندما يكون النص هو الإدخال.
2. لتحويل الكلام إلى نص، اختر قيمة Language التي تصف الصوت.
3. لنسخ Batch أو Fast، اختر نموذج ASR الخاص بالمسار عندما تتطلبه العملية أو عندما يثبته تكاملك عمدًا. يختار النسخ Realtime اللغة لا نموذج ASR.
4. أضف محددات معالجة Batch عند الحاجة فقط. وفي TTS، اختر النموذج ثم صوتًا متاحًا أثناء التشغيل أو مراجع صوت.

قيم اللغة

يصدر JavaScript وPython أعضاء Language نفسها.

تختار auto الإعداد التلقائي المضبوط للبيئة، وهو يُحل حاليًا إلى نموذج تبديل اللغات. وهي قيمة على مستوى البروتوكول المباشر: لا يصدّر SDK 0.18.0 ثابتًا مسمى لها، لذا لا تصلها إلا عبر تكامل مباشر مع OpenAPI أو AsyncAPI. ولحذف اللغة حيث تسمح العملية بذلك الأثر نفسه.

للعمليات المباشرة عبر HTTP، استخدم قيم اللغة التي تعلنها عملية OpenAPI المعنية. لا تمرر تعداد نموذج Batch أو Fast إلى RealtimeClient.startStream() / start_stream().

نماذج ASR لنسخ Batch وFast

يستخدم JavaScript وPython بالإصدار 0.18.0 أسماء الأعضاء وسلاسل البروتوكول نفسها.

يحتوي تعداد التوافق ASRModel الأعضاء السبعة كلها، لكن ينبغي للشيفرة الجديدة استخدام BatchTranscriptionModel أو FastTranscriptionModel ليصعب التعبير عن توليفة غير صالحة للمسار. لا يعرّف سطح SDK ترتيب جودة أو كمون بين NidaAr وBayanAr؛ اتبع إعداد النموذج الصادر لبيئتك.

القيم الافتراضية والأسماء المستعارة والتوافق

يشترك النسخ السريع مع Batch في اختيار اللغة والنموذج، لا في حدود حمل العمل: يستهلك Fast وحدة صوت مكتملة حساسة للكمون؛ أما الاجتماعات والبودكاست والأرشيفات والتسجيلات الطويلة الأخرى فتنتمي إلى Batch.

محددات معالجة Batch

تعدل المحددات المعالجة؛ ولا تستبدل Language أو نموذج ASR.

يؤدي حذف المحدد إلى حذف معامل الاستعلام؛ فلا تعرض القيمة المحذوفة كقيمة افتراضية ثابتة للمعالجة. في REST المباشر، استخدم القيم المقبولة في عملية OpenAPI الحالية بدلاً من نسخ تسلسل SDK. في Python، يصدر BatchDiarization وBatchRedact من humain_voice.stt.batchtranscription، لا من مساحة humain_voice.stt العليا.

نموذج TTS والصوت

يتطلب طلب التوليف في SDK 0.18.0 واحدًا بالضبط من voice_id أو voice_references غير الفارغة؛ ولا يمثل أي منهما ثابت نموذج. يسمح عقد السلك المباشر بغياب المحددين، وعندها يكون اختيار الصوت محددًا بالنشر أو النموذج ولا يضمن صوتًا. تعامل مع قائمة أصوات فارغة بدلاً من تخمين معرّف. تمرر أمثلة الوثائق مهلة خمس ثوان لقائمة الأصوات في اللغتين؛ لا تملك Python مهلة افتراضية، بينما تستخدم JavaScript خمس ثوان افتراضيًا لقائمة الأصوات.

يعيد TTS عبر Socket.IO مع TtsModel.Nebula صوت PCM16 خامًا little-endian بتردد 24 kHz وأحادي القناة. استخدم getSampleRate() / get_sample_rate() عند كتابة حاوية.

هويات الصوت وتسمياته

تحتوي قائمة الأصوات فقط على الهويات السبع متعددة اللغات. يحمل كل عنصر profile: { speaker: { gender, dialect }, languages } ومعرّف هوية ثابتًا، مثل المعرّف ذي التسمية mul_youssef. أرسل ذلك المعرّف في voice_id؛ تحتفظ المنصة بالنسخ الفعلية داخليًا وترفض معرّفاتها عند إرسالها مباشرة.

في هويات العربية/الإنجليزية الحالية، يختار وجود أي حرف من محارف الكتابة العربية في text النسخة العربية؛ وإلا تُختار الإنجليزية. لا تختار العربية الأرقام أو علامات الترقيم أو الرموز التعبيرية أو المسافات أو حروف الكتابات غير العربية.

عامل كل label بوصفه تلميحًا مقروءًا فقط. اعرض بيانات profile المنظمة، وخزّن id الثابت ومرره، ولا تشتق معرّفًا أو تطابقه اعتمادًا على label.

الخطوات التالية