オンデバイスのオーディオモデル

オンデバイスの音声強調。録音に、ポッドキャストスタジオのような温かく近接収音した音を。処理はすべて端末上で。

オンデバイスのフィラー検出。すべての um、uh、hmm を 20 ms 以内で印付け。1 時間の音声を 12 秒で。

オンデバイスの単語タイムスタンプ。どの文字起こしにも対応し、カット・字幕・ハイライトを単語単位で。誤差は半分、0.7MB。

オンデバイスのクリップ選択。文字起こしから、長い録画をランク付けされたショートとハイライトに。iPhone や Mac で。

オンデバイスの話し言葉の言語識別。99 言語に対応し、短い音声から、文字起こしを始める前に言語を特定します。

オンデバイスの音声認識。iPhone で 10 分の音声を 2 秒で文字起こし。Whisper の 4.7 倍速く、正確な単語タイムスタンプ付き。

オンデバイスの話者ラベリング。録音を話者ごとの発話区間に分け、顔の枠とタイムスタンプを付けます。そのままカットや字幕付けに使えます。