Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.

Il s'agit d'un modèle de reconnaissance vocale : vous téléchargez de l'audio et obtenez du texte en sortie. Il convient à la transcription d'entretiens, d'appels, de podcasts, de conférences et de messages vocaux. Le mode BIG_AUDIO_TO_TEXT est conçu pour les enregistrements longs, de sorte que les gros fichiers peuvent être traités en entier sans découpage manuel.

Selon nos données, la limite de sortie est de 4096 jetons, et le contexte de 4095. Pour la transcription, cela signifie qu'un enregistrement très long sera renvoyé par parties : traitez l'audio par fragments et assemblez le résultat. Le volume du texte final dépend de la quantité de parole réellement contenue dans votre fichier.

Aucun mode de raisonnement distinct n'est indiqué dans nos données, et il n'est pas nécessaire pour cette tâche : le modèle traduit la parole en texte et ne réfléchit pas à la réponse. Si vous avez besoin de conclusions, d'un résumé ou d'une analyse de la transcription, transmettez le texte généré à un modèle textuel — dans BotHub, ils sont disponibles dans la même fenêtre.

L'appel de fonctions et la sortie structurée ne sont pas indiqués dans nos données — il s'agit d'un modèle de transcription, et non d'un outil pour des scénarios d'agents. Cependant, vous pouvez y accéder via l'API BotHub compatible avec OpenAI, et structurer la transcription selon un schéma avec un autre modèle dans la même intégration.

L'audio, oui, c'est l'entrée principale du modèle, y compris pour les enregistrements longs. Il n'accepte pas les images ni les vidéos : il n'y a pas de génération d'images ou d'analyse d'images ici. Si vous devez transcrire une vidéo, extrayez la piste audio et envoyez-la.

Universal-3-pro d'AssemblyAI est un modèle de reconnaissance vocale multilingue ; nous n'avons pas de données spécifiques sur les performances par langue, il est donc plus simple de vérifier la qualité avec votre propre enregistrement. L'accès via BotHub fonctionne depuis la Russie sans VPN ni carte étrangère, avec un paiement en roubles à l'utilisation.