- 已发运
- 2026年11月6日 23:23 UTC
- 作者
- Kamo
- 承诺
- 20e0701
业主报告 2026-11-06: 抄录"并不反映整个呼叫 录音 " , 并且单独的通道应该说明谁在说话。 基于 180 个带有语音的平台录音进行测量(只读,与新的 Whisper 相比) 同一音频的转录 : 52%的存储转录保持在80%的字词 75.7%的词语被保留。 截断点不在词语的末尾(94个词语中有80个词语没有截断点 ) 短的仍然达到调用的最后 10 % ) :组织的路由发送每个块 gpt-4o-transcribe,在暂停后返回一个截断的块。 - 现在每个块都要求 AIService 提供定时段 (aiservice 6fd880a ) , 因此只能使用模型 424(组织没有这样的模型)就会像以前一样回到平坦状态。 - 录音被转录为定时转动 (CallTurns ) : 片段缝在录音的 单方通道(当上传者将它们标记为 rx/tx 文件时) 每个信道的信号(清单中的信号)被一个一个地转录,并按时间顺序与每个信道的信号合并 另一方的话,那么我们就不会有这种感觉了 只有当录制进入一个请求时才记录模型的标签 RECORDINGS.TRANSCRIPT_TURNS 在普通的TRANSCRIPT旁边。 没有音频的录音是 存储为空转录,而不是失败的 ffmpeg。 - TranscriptBackfill 重新转录转数为 null 的行:每 30 秒一次记录 在一个 pod (SingletonTaskRunner) 上,在该 pod 有实时转录时跳过的勾号, 并且从来不写它。 需要 kamo-shared-library e1a4a4ee 和 aiservice 6fd880a。