SipPulse AI - Transcrição de Áudio para Texto
Interface de Transcrição de Áudio
A plataforma SipPulse AI oferece recursos avançados para transcrição de áudio para texto. Esta seção documenta como utilizar a ferramenta de transcrição para converter arquivos de áudio em texto.
Acesso à Interface de Transcrição
Navegação para a Ferramenta:
- Acesse o menu lateral esquerdo
- Clique em "Playground" para expandir as opções
- Selecione "Speech to Text" para abrir a interface de transcrição
Componentes Principais da Interface:
- Área de Upload: Zona central para arrastar e soltar arquivos de áudio
- Limitação de Tamanho: Máximo de 25MB por arquivo
- Botões de Controle: "Transcribe" para iniciar o processamento
- Área de Resultados: Espaço onde a transcrição será exibida após o processamento
Configuração da Transcrição
Configurações de Modelo e Formato:
- Modelo: Selecione "pulse-precision" para transcrição precisa
- Formato de Saída: Opção para definir o formato do texto resultante
- Idioma: Configurado como "Auto detect" para detecção automática, ou selecione um idioma específico
- Prompt: Campo opcional para fornecer contexto adicional ao modelo de transcrição
Recursos Avançados:
Anonimização: Quando ativada, substitui informações sensíveis por espaços reservados
- Protege dados pessoais, evitando sua exposição no texto transcrito
- Inclui custo adicional baseado na quantidade de caracteres processados
Insights: Análises adicionais do conteúdo transcrito
- Sumarização de Texto: Transforma transcrições longas em resumos concisos
- Detecção de Tópicos: Identifica os principais temas abordados no áudio
Presets e Configurações Salvas:
- Possibilidade de salvar configurações frequentemente utilizadas como presets
- Botão "Save as preset" para armazenar as configurações atuais
- Menu "No preset" para selecionar configurações previamente salvas
Processo de Transcrição
Preparação do Arquivo:
- Verifique se o arquivo de áudio está em um formato compatível
- Certifique-se de que o tamanho do arquivo não excede 25MB
Upload do Arquivo:
- Arraste e solte o arquivo na área indicada, ou
- Clique na área para abrir o seletor de arquivos
Configuração dos Parâmetros:
- Ajuste as configurações de modelo, idioma e outras opções conforme necessário
- Ative recursos adicionais caso necessário (anonimização, análises)
Execução da Transcrição:
- Clique no botão "Transcribe" para iniciar o processamento
- O sistema processará o áudio e exibirá o progresso
Revisão e Exportação:
- Após a conclusão, revise o texto transcrito na área de resultados
- Utilize as opções disponíveis para exportar ou copiar o conteúdo
Integração com API
O SipPulse AI fornece uma API RESTful para integração de recursos de fala para texto diretamente em suas aplicações. Abaixo estão exemplos de como usar a API em diferentes linguagens de programação.
Parâmetros da API
- model: Especifica o modelo de transcrição (ex:
pulse-precision) - response_format: Determina a estrutura da resposta (ex:
diarizationpara identificação de falantes) - api-key: Sua chave de autenticação da API SipPulse
Exemplo em Python
python
import requests
url = 'https://api.sippulse.ai/asr/transcribe' + '?model=pulse-precision&response_format=diarization'
method = 'POST'
headers = {
'accept': 'application/json',
'api-key': '$SIPPULSE_API_KEY',
}
with open('audio-sample.mp3', 'rb') as f:
files = {
'file': ('audio-sample.mp3', f, 'audio/mpeg'),
}
response = requests.request(method, url, headers=headers, files=files)
print(response.text)Exemplo em Node.js
javascript
const url = new URL('https://api.sippulse.ai/asr/transcribe');
const params = new URLSearchParams({
model: 'pulse-precision',
response_format: 'diarization',
});
url.search = params;
const fetchOptions = {
method: 'POST',
headers: {
'accept': 'application/json',
'api-key': '$SIPPULSE_API_KEY',
},
body: new FormData(),
};
files.forEach(file => fetchOptions.body.append('file', file));
fetch(url, fetchOptions)
.then(response => response.json())
.then(data => console.log(data))
.catch(error => console.error("Error:", error));Exemplo em cURL
bash
curl -X 'POST' \
'https://api.sippulse.ai/asr/transcribe?model=pulse-precision&response_format=diarization' \
-H 'accept: application/json' \
-H 'api-key: $SIPPULSE_API_KEY' \
-F 'file=audio-sample.mp3;type=audio/mpeg'Exemplo de Resposta da API
Abaixo está um exemplo da resposta da API ao usar o formato diarization, com informações pessoais anonimizadas:
json
{
"segments": [
{
"end_time": 9.98,
"initial_time": 9.54,
"speaker": "NOT IDENTF",
"text": "Alô."
},
{
"end_time": 11.84,
"initial_time": 9.98,
"speaker": "SPEAKER_00",
"text": "Olá."
},
{
"end_time": 12.48,
"initial_time": 12.0,
"speaker": "SPEAKER_01",
"text": "Pode falar."
},
{
"end_time": 31.38,
"initial_time": 12.7,
"speaker": "SPEAKER_00",
"text": "Bom dia, meu nome é [NOME_AGENTE] e estou ligando em nome da [NOME_EMPRESA]. Posso falar com [NOME_CLIENTE]? Ótimo. Então, [NOME_CLIENTE], é um prazer falar com você hoje. Só para informar que esta ligação está sendo gravada por motivos de segurança. Desculpe, pode repetir?"
},
{
"end_time": 36.68,
"initial_time": 32.68,
"speaker": "SPEAKER_01",
"text": "Vocês estão gravando esta ligação, mas eu não tenho nenhuma conta com a [NOME_EMPRESA]."
},
{
"end_time": 55.34,
"initial_time": 37.54,
"speaker": "SPEAKER_01",
"text": "Minhas contas estão em dia. Eu falei com o gerente ontem. Ele me aconselhou a não compartilhar informações nessas ligações. Se há algum problema com minha conta, por favor me diga qual é."
},
{
"end_time": 66.36,
"initial_time": 56.3,
"speaker": "SPEAKER_00",
"text": "Entendo. Esta ligação é referente a um assunto comercial que temos com você, mas antes de fornecer informações adicionais, precisaria verificar alguns detalhes. Seria possível?"
},
{
"end_time": 69.88,
"initial_time": 67.52,
"speaker": "SPEAKER_01",
"text": "Não, não vou verificar nada, não sei do que se trata."
},
{
"end_time": 82.18,
"initial_time": 70.94,
"speaker": "SPEAKER_00",
"text": "Entendo. Se preferir, você pode entrar em contato conosco diretamente pelo [NÚMERO_TELEFONE] ou visitar sua agência local, ok?"
},
{
"end_time": 93.6,
"initial_time": 84.88,
"speaker": "SPEAKER_01",
"text": "Obrigado. Minha agência é bem próxima, vou passar lá e ver o que está acontecendo com minha conta."
},
{
"end_time": 105.24,
"initial_time": 94.24,
"speaker": "SPEAKER_00",
"text": "Entendo. Obrigado pelo seu tempo. Desejo um ótimo dia."
},
{
"end_time": 106.6,
"initial_time": 106.06,
"speaker": "SPEAKER_01",
"text": "Valeu."
}
],
"text": "00:09-00:09 | NÃO IDENTIFICADO:\nAlô.\n\n00:09-00:11 | FALANTE 00:\nOlá.\n\n00:12-00:12 | FALANTE 01:\nPode falar.\n\n00:12-00:31 | FALANTE 00:\nBom dia, meu nome é [NOME_AGENTE] e estou ligando em nome da [NOME_EMPRESA]. Posso falar com [NOME_CLIENTE]? Ótimo. Então, [NOME_CLIENTE], é um prazer falar com você hoje. Só para informar que esta ligação está sendo gravada por motivos de segurança. Desculpe, pode repetir?\n\n00:32-00:36 | FALANTE 01:\nVocês estão gravando esta ligação, mas eu não tenho nenhuma conta com a [NOME_EMPRESA].\n\n00:37-00:55 | FALANTE 01:\nMinhas contas estão em dia. Eu falei com o gerente ontem. Ele me aconselhou a não compartilhar informações nessas ligações. Se há algum problema com minha conta, por favor me diga qual é.\n\n00:56-01:06 | FALANTE 00:\nEntendo. Esta ligação é referente a um assunto comercial que temos com você, mas antes de fornecer informações adicionais, precisaria verificar alguns detalhes. Seria possível?\n\n01:07-01:09 | FALANTE 01:\nNão, não vou verificar nada, não sei do que se trata.\n\n01:10-01:22 | FALANTE 00:\nEntendo. Se preferir, você pode entrar em contato conosco diretamente pelo [NÚMERO_TELEFONE] ou visitar sua agência local, ok?\n\n01:24-01:33 | FALANTE 01:\nObrigado. Minha agência é bem próxima, vou passar lá e ver o que está acontecendo com minha conta.\n\n01:34-01:45 | FALANTE 00:\nEntendo. Obrigado pelo seu tempo. Desejo um ótimo dia.\n\n01:46-01:46 | FALANTE 01:\nValeu.",
"usage": {
"cost": 0.0705675264,
"currency": "BRL",
"cost_details": [
{
"type": "speech-to-text",
"unit": "minute",
"amount": {
"value": 2
},
"total_price": {
"value": 0.0705675264
},
"unit_price": {
"value": 0.0352837632
}
}
],
"performance": {
"delay": 98,
"execution_time": 20343,
"relative_execution_time": 5.316030084058399,
"relative_execution_time_unit": "seconds_per_seconds"
}
}
}Estrutura da Resposta Explicada
A resposta da API fornece informações detalhadas sobre o áudio transcrito:
Segments: Array de segmentos individuais de fala com:
- initial_time/end_time: Marcações de tempo em segundos
- speaker: Identificação do falante (SPEAKER_00, SPEAKER_01, etc.)
- text: Conteúdo transcrito para aquele segmento
Text: Transcrição formatada com marcações de tempo e identificação de falantes
Usage: Métricas detalhadas de uso incluindo:
- Cost: Custo total da transcrição
- Cost details: Detalhamento das cobranças por tipo de serviço
- Performance: Métricas de tempo de processamento
Considerações de Uso
Qualidade da Transcrição:
- A precisão da transcrição depende da qualidade do áudio original
- Áudios com ruído de fundo, sobreposição de vozes ou má qualidade de gravação podem afetar os resultados
Otimização de Custos:
- Recursos adicionais como anonimização e análises aumentam o custo do processamento
- Utilize apenas os recursos necessários para cada caso de uso específico
Idiomas Suportados:
- O sistema suporta múltiplos idiomas com a opção de detecção automática
- Para melhores resultados em idiomas específicos, selecione manualmente o idioma correto
Limites de Taxa da API:
- Esteja ciente dos limites de taxa da API para seu nível de assinatura
- Implemente tratamento adequado de erros para respostas da API
Ao utilizar a ferramenta de transcrição do SipPulse AI, é possível converter eficientemente conteúdo de áudio em texto, facilitando análises, documentação e processamento posterior do conteúdo, seja através da interface web ou programaticamente via API.