- 8,1%слов с ошибкой на живой речи (WER)
- ×4,7меньше ошибок, чем у Whisper, дообученного на узбекском
- < 1 сна распознавание 10 секунд аудио на одной NVIDIA T4, когда сервер уже запущен
- 1 800+часов узбекской речи в обучении модели
Модели
Две модели одного семейства: максимальная точность или меньшая цена.
uzasr-large
Самая точная модель, основной выбор
- WER
- 8,1%
- параметров
- 600M
- Файловый API
- Онлайн-режим
- Таймкоды слов
Точность на живой речи
Замер на открытом бенчмарке Clarion: 311 фрагментов спонтанной узбекской речи из подкастов, интервью и разговоров нескольких собеседников, расшифровки проверены вручную.
WER — доля ошибочных слов. Ниже лучше, пунктуация не учитывается.Бенчмарк открыт на Hugging FaceПолные результаты и метод →Как мы к этому пришли →
Первый запрос за три шага
Официальный SDK OpenAI, новых библиотек не нужно.
- 1
Получите ключ
30 бесплатных минут сразу после регистрации.
- 2
Установите SDK
Тот же пакет, что для OpenAI.
pip install openainpm install openai
- 3
Отправьте аудио
Укажите адрес Clarion и модель uzasr‑large. Остальное — как в OpenAI.
import os from openai import OpenAI client = OpenAI( base_url="https://api.uzasr.uz/v1", api_key=os.environ["UZASR_API_KEY"],) result = client.audio.transcriptions.create( model="uzasr-large", file=open("call.mp3", "rb"), response_format="verbose_json", timestamp_granularities=["word"],)print(result.text)import fs from "node:fs"import OpenAI from "openai" const client = new OpenAI({ baseURL: "https://api.uzasr.uz/v1", apiKey: process.env.UZASR_API_KEY,}) const result = await client.audio.transcriptions.create({ model: "uzasr-large", file: fs.createReadStream("call.mp3"), response_format: "verbose_json", timestamp_granularities: ["word"],})console.log(result.text)Что приходит в ответе
Один ответ API. Выберите, что подсветить.
Как это работает
OpenAI-совместимый API: в готовом коде меняется одна строка.
Для кого
Типовые задачи клиентов.
Проверьте на своих записях
Загрузите звонок и сравните с текущим решением.