পুরো কল, স্পিকারের সাথে সময় নির্ধারিত বার, এবং একটি ব্যাকফিল

পাঠানো হয়েছে

৬ নভেম্বর, ২০২৬ এ ১১:২৩ PM UTC

লেখক

Kamo

কমিট

20e0701

মালিকের রিপোর্ট ২০২৬-১১-০৬: ট্রান্সক্রিপ্ট "কলটির সম্পূর্ণতা প্রতিফলিত করে না রেকর্ডিং" এবং আলাদা আলাদা চ্যানেলে বলা উচিত কে কথা বলছে। ১৮০টি প্ল্যাটফর্মে রেকর্ড করা কথার উপরে পরিমাপ করা হয়েছে (শুধুমাত্র পড়ার জন্য, একটি নতুন হুইসপার এর সাথে তুলনা করা হয়েছে) একই অডিও ট্রান্সক্রিপ্ট): ৫২% সংরক্ষিত ট্রান্সক্রিপ্ট ৮০% শব্দের অধীনে রাখা হয়েছে ৯৪ টি শব্দের মধ্যে ৮০ টি শব্দের শেষে কাট করা ছিল না ছোটগুলো এখনো কলের শেষ ১০% পৌঁছে যায়): অর্গের রাউটিং প্রত্যেকটা টুকরোকে পাঠিয়েছে gpt-4o-transcribe, যা একটি বিরতি পরে একটি ছোট অংশ কাটা ফিরিয়ে আনে। - প্রতিটি টুকরো এখন AIService টাইম সেগমেন্টের জন্য জিজ্ঞাসা করে (aiservice 6fd880a), তাই শুধু মডেল যা তাদের উত্তর দেয়; ৪২৪ (অর্গের জন্য এমন কোন মডেল নেই) আগের মতোই প্লেনে ফিরে যায়। - রেকর্ডিং টাইমেড টার্নস (ক্যাল টার্নস) হিসাবে অনুবাদ করা হয়: রেকর্ডিং এর উপর ছিদ্রযুক্ত টুকরা ক্রমানুসারে ঘড়ি; একপক্ষীয় চ্যানেল (একটি লেগের rx/tx ফাইল, যখন আপলোডার তাদের চিহ্নিত করে ম্যানিফেস্টো) একের পর এক অনুলিপি করা হয় এবং সময় অনুযায়ী প্রতিটি চ্যানেলের সাথে মিশ্রিত করা হয় একক মিশ্রিত চ্যানেল একটি স্পিকার (আমাদের সদস্য এক্সটেনশন দ্বারা, অন্যথায় অন্য দল) রাখে শুধুমাত্র রেকর্ড একটি অনুরোধের মধ্যে গেলে মডেলের লেবেল ডায়েরি করা হবে। সংরক্ষণ করা হয়েছে RECORDINGS.TRANSCRIPT_TURNS প্লেইন TRANSCRIPT এর পাশে। অডিও ছাড়া রেকর্ডিং ffmpeg ব্যর্থ হওয়ার পরিবর্তে ফাঁকা ট্রান্সক্রিপ্ট হিসেবে সংরক্ষণ করা হয়েছে । - TranscriptBackfill সারি পুনরায়-প্রতিলিপি যার ধাপে ধাপে ন্যূনতম: প্রতি ৩০ সেকেন্ডে একটি রেকর্ডিং টিক, একটি পড (SingletonTaskRunner) - এ, এই পডের লাইভ ট্রান্সক্রিপশন থাকাকালীন ছেড়ে দেওয়া হয়েছে, অডিও এবং কখনো লিখে না। প্রয়োজন kamo-shared-library e1a4a4ee এবং aiservice 6fd880a।