API распознавания узбекской речи
Clarion — API, который переводит узбекскую речь в текст с пунктуацией и таймкодами каждого слова. На живых разговорах он ошибается в 8,1% слов, минута аудио стоит $0,01, подключается через официальный SDK OpenAI.
Точность
Замер на открытом бенчмарке Clarion: 311 фрагментов спонтанной узбекской речи из подкастов, интервью и разговоров нескольких собеседников, расшифровки проверены вручную.
uzasr-large ошибается в 8,1% слов. У GigaAM-large без дообучения — 14,4%, у Whisper, дообученного на узбекском, — 38,6%.
| Модель | Параметры | WER | CER |
|---|---|---|---|
| uzasr-largeClarion | 600M | 8,1% | 2,5% |
| uzasr-baseClarion | 220M | 9,4% | 3,0% |
| GigaAM-large, без дообучения | 600M | 14,4% | 5,3% |
| whisper-large-v3-turbo-uzbek | 809M | 38,6% | 18,5% |
WER — доля ошибочных слов. Ниже лучше, пунктуация не учитывается.
Полные результаты и метод →Цена
Без абонентской платы. Секундная тарификация, минимум 15 секунд на запрос.
Распознавание файлов стоит $0,01 за минуту, онлайн-режим — $0,025. Первые 30 минут бесплатно. Это на 37,5% дешевле Google Speech-to-Text V2 ($0,016 за минуту). Whisper в API OpenAI дешевле, но Whisper, дообученный на узбекском, на том же бенчмарке ошибается в 38,6% слов.
| Сервис | За минуту файла | WER |
|---|---|---|
| Clarion | $0,01 | 8,1% |
| Google Speech-to-Text V2 | $0,016 | — |
| Whisper | $0,006 | 38,6% |
Цены — публичные тарифы за минуту. WER Google на нашем бенчмарке не измерен, в строке Whisper — whisper-large-v3-turbo-uzbek.
Все тарифы и калькулятор →Что умеет API
Файлы по HTTP, живой звук по WebSocket. В ответе — текст, таймкоды и звуковые события.
- Синхронное распознавание
- Файлы до 10 минут. Ответ приходит в том же запросе.
- Асинхронные задачи
- Файлы до 3 часов. Создайте задачу и опрашивайте статус.
- Онлайн-режим
- WebSocket: PCM-поток на вход, события текста на выход.
- Пунктуация
- Точки, запятые и заглавные буквы по интонации, без постобработки.
- Таймкоды
- Начало и конец каждого слова: подсветка, субтитры, переход к месту в записи.
- Звуки
- Музыка, смех и аплодисменты приходят в поле events со временем начала и конца.
- Вставки
- Английские и русские слова внутри узбекской фразы.
- Аудио удаляется после распознавания
- Записи мы используем только для распознавания. В логах и метриках нет ни аудио, ни текста.
Пример запроса
OpenAI-совместимый API: в готовом коде меняется одна строка.
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)Свой сервер и стартапы
Та же модель, что работает в API, может работать и в вашем контуре.
На своём сервере
Модель и API работают в вашем контуре. Аудио не покидает вашу сеть.
Подробнее о self-hosted →Clarion для стартапов
Бесплатная лицензия на модель распознавания узбекской речи на вашем сервере: 12 месяцев или до первого платящего клиента.
Условия программы →
Частые вопросы
Коротко о точности, цене и подключении.
- Насколько точно Clarion распознаёт узбекскую речь?
- uzasr-large ошибается в 8,1% слов на открытом бенчмарке из 311 записей спонтанной узбекской речи: подкасты, интервью, разговоры нескольких собеседников. Пунктуация при подсчёте не учитывается.
- Сколько стоит распознавание узбекской речи?
- $0,01 за минуту файла и $0,025 за минуту онлайн-режима, тарификация посекундная. Первые 30 минут бесплатно.
- Можно ли распознавать речь в реальном времени?
- Да, через WebSocket на модели uzasr-large. Текст появляется, пока человек говорит, фраза фиксируется после паузы 0,8 с.
- Распознаются ли русские и английские слова?
- Да. Модель распознаёт русские и английские слова внутри узбекской фразы. Текст приходит латиницей, с пунктуацией.
- Как подключить API?
- API совместим с OpenAI: в официальном SDK OpenAI для Python или Node.js достаточно указать адрес Clarion и модель uzasr-large. Ключ выдаётся после регистрации.