O'zbek nutqini matnga o'girish API
Clarion — o'zbek nutqini tinish belgilari va har bir so'zning vaqt belgilari bilan matnga o'giradigan API. Jonli suhbatlarda so'zlarning 8,1% qismida xato qiladi, narxi — daqiqasiga $0,01, rasmiy OpenAI SDK orqali ulanadi.
Aniqlik
Clarion'ning ochiq benchmarkida o'lchangan: podkast, intervyu va ko'p kishilik suhbatlardan olingan spontan o'zbek nutqining 311 ta parchasi, matnlari qo'lda tekshirilgan.
uzasr-large so'zlarning 8,1% qismida xato qiladi. Qo'shimcha o'qitilmagan GigaAM-large'da bu ko'rsatkich 14,4%, o'zbekchaga moslangan Whisper'da — 38,6%.
| Model | Parametrlar | WER | CER |
|---|---|---|---|
| uzasr-largeClarion | 600M | 8,1% | 2,5% |
| uzasr-baseClarion | 220M | 9,4% | 3,0% |
| GigaAM-large, qo'shimcha o'qitishsiz | 600M | 14,4% | 5,3% |
| whisper-large-v3-turbo-uzbek | 809M | 38,6% | 18,5% |
WER — xato so'zlar ulushi. Qancha past bo'lsa, shuncha yaxshi, tinish belgilari hisobga olinmaydi.
To'liq natijalar va metodika →Narx
Abonent to'lovisiz. Soniyabay hisob, har bir so'rovga kamida 15 soniya.
Fayllarni tanib olish daqiqasiga $0,01, real vaqt rejimi — $0,025. Dastlabki 30 daqiqa bepul. Bu Google Speech-to-Text V2 narxidan (daqiqasiga $0,016) 37,5% arzon. OpenAI API'dagi Whisper arzonroq, lekin o'zbekchaga moslangan Whisper xuddi shu benchmarkda so'zlarning 38,6% qismida xato qiladi.
| Xizmat | Fayl daqiqasi | WER |
|---|---|---|
| Clarion | $0,01 | 8,1% |
| Google Speech-to-Text V2 | $0,016 | — |
| Whisper | $0,006 | 38,6% |
Narxlar — daqiqasiga ochiq tariflar. Google'ning WER ko'rsatkichi bizning benchmarkda o'lchanmagan, Whisper qatorida — whisper-large-v3-turbo-uzbek.
Barcha tariflar va kalkulyator →API nimalar qila oladi
Fayllar HTTP orqali, jonli ovoz WebSocket orqali. Javobda matn, vaqt belgilari va tovush hodisalari keladi.
- Sinxron transkripsiya
- 10 daqiqagacha fayllar. Javob o'sha so'rovning o'zida keladi.
- Asinxron vazifalar
- 3 soatgacha fayllar. Vazifa yarating va holatini so'rab turing.
- Real vaqt rejimi
- WebSocket: kirishda PCM oqimi, chiqishda matn hodisalari.
- Tinish belgilari
- Nuqta, vergul va bosh harflar ohangga qarab qo'yiladi, qo'shimcha ishlov kerak emas.
- Vaqt belgilari
- Har bir so'zning boshi va oxiri: ajratib ko'rsatish, subtitrlar, yozuvdagi joyga o'tish.
- Tovushlar
- Musiqa, kulgi va qarsaklar events maydonida boshlanish va tugash vaqti bilan keladi.
- Aralash nutq
- O'zbekcha gap ichidagi inglizcha va ruscha so'zlar.
- Audio tanib olingandan keyin o'chiriladi
- Yozuvlarni faqat tanib olish uchun ishlatamiz. Log va metrikalarda na audio, na matn bor.
So'rov namunasi
OpenAI bilan mos API: tayyor kodda bitta qator o'zgaradi.
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)O'z serveringiz va startaplar
API'da ishlayotgan o'sha model sizning infratuzilmangizda ham ishlay oladi.
O'z serveringizda
Model va API sizning infratuzilmangizda ishlaydi. Audio tarmog'ingizdan tashqariga chiqmaydi.
Self-hosted haqida batafsil →Startaplar uchun Clarion
Serveringizda ishlaydigan o'zbek nutqini tanib olish modeliga bepul litsenziya: 12 oy yoki birinchi to'lovchi mijozgacha.
Dastur shartlari →
Ko'p beriladigan savollar
Aniqlik, narx va ulanish haqida qisqacha.
- Clarion o'zbek nutqini qanchalik aniq taniydi?
- uzasr-large spontan o'zbek nutqining 311 ta parchasidan iborat ochiq benchmarkda so'zlarning 8,1% qismida xato qiladi. Parchalar podkast, intervyu va bir necha kishilik suhbatlardan olingan. Tinish belgilari hisobga olinmaydi.
- O'zbek nutqini matnga o'girish qancha turadi?
- Fayl daqiqasi $0,01, real vaqt rejimi daqiqasi $0,025, hisob soniyalab yuritiladi. Dastlabki 30 daqiqa bepul.
- Nutqni real vaqtda tanib olsa bo'ladimi?
- Ha, WebSocket orqali uzasr-large modelida. Matn odam gapirayotganda paydo bo'ladi, ibora 0,8 s pauzadan keyin qayd etiladi.
- Ruscha va inglizcha so'zlar ham taniladimi?
- Ha. Model o'zbekcha gap ichidagi ruscha va inglizcha so'zlarni taniydi. Matn lotin yozuvida, tinish belgilari bilan keladi.
- API'ni qanday ulash mumkin?
- API OpenAI bilan mos: Python yoki Node.js uchun rasmiy OpenAI SDK'da Clarion manzili va uzasr-large modelini ko'rsatish kifoya. Kalit ro'yxatdan o'tgandan keyin beriladi.