प्रत्येक कामो भाषण क्षमता की लाइव जांच, चार-स्ट्रीम लोड चेक के साथ

भेजा गया

25 सितंबर 2026 को 1:19 am बजे UTC

लेखक

Kamo

कमिट

5a8dc76

जांच फली के अंदर चलती है और रजिस्टर के लिए एक JSON दस्तावेज़ प्रिंट करती है। प्रति आवाज और भाषा (recall> = 0.8), बैच STT पंक्ति, एक रियलटाइम ट्रांसक्रिप्शन सत्र, और --concurrency N के साथ कई सत्र ~60 s बैच के बगल में (p95 अंत-ऑफ-स्पीच to transcript <= 4 s)। एक स्थानीय Speaches 0.9.0-rc.3 (same lock, pinned मॉडल) के खिलाफ तीन चीजें योजना से भिन्न हैं और यहां तय किए गए हैं: - वाक्यांश ब्रांड नाम छोड़ देते हैं: व्हिस्पर कॉममो, कारमो के रूप में "कामो" को सुनता है, कैमस या टीएएमएल, जो हर रन (recall 0.77) और बायीं तरफ स्पेनिश विफल रहा असफल होने से एक शब्द पिपरा; ब्रांड मुक्त वाक्यांशों ने 16/16 रनों में 1.00 रन बनाए; वास्तविक समय सत्र वास्तविक समय में 100 एमएस फ्रेम स्ट्रीम करता है: एक फट बनाया सर्वर एक ही मोड़ दस बार बंद (डुप्लिकेट प्रतिबद्धताओं, "item पहले से ही) मौजूद है" त्रुटि की घटनाओं, बारी प्रत्येक के लिए फिर से transcribe; - सत्र हर पूर्ण मोड़ में शामिल होता है, सर्वर त्रुटि घटनाओं के लिए रहता है पहले विफल होने के बजाय विस्तार से, और बफर को केवल खुद ही करता है जब सभी ऑडियो भेजे जाते हैं और कुछ भी ट्रांसक्रिप्ट नहीं किया जा रहा है। P95 एक वास्तविक निकटतम रैंक (सिल) है और लोड ब्लॉक बैच विवरण की रिपोर्ट करता है।.