面向语言研究和语料库的转写

为田野调查、访谈和语料库生成 100 种语言的初稿转写，包含每个词的起止时间和说话人轮次，JSON 格式可转换到你的标注工具。

获取 API 密钥 快速开始 支持的语言

最后更新: · Markdown

研究者为什么使用它

  • 100 个语言代码，包括意第绪语（yi）、阿姆哈拉语（am）、斯瓦希里语（sw）、约鲁巴语（yo）、毛利语（mi）和夏威夷语（haw）等低资源语言。见完整列表。
  • 每个词的起止时间，用于对齐工作。
  • 说话人标签（include_diarization）用于访谈轮次，多麦克风录音可按声道标注。
  • 在 Oracle 模型上把转写翻译成工作语言，方便并非人人都懂源语言的团队。

访谈录音的请求示例

{
  "audio_url": "https://example.org/corpus/session-014.wav",
  "model": "oracle",
  "language": "yi",
  "word_timestamps": true,
  "include_diarization": true,
  "num_speakers": 2,
  "output_format": "json"
}

JSON 结果包含 segments[]，其中有 start、end、speaker、text 和 words[]。转换为 ELAN、Praat TextGrid 或 CSV 只需你这边写一个短脚本；API 不直接导出这些格式。

分析前先检查输出

  • 机器转写是初稿。凡是要发表或标注的内容，都要安排人工校对。
  • 准确率因语言、方言、录音质量和领域而异，训练音频较少的语言准确率更低。在转写整个语料库之前，先用你自己的样本测量词错误率。
  • 对语言混杂的录音，请显式设置 language；自动检测每个文件只会选一种语言。
  • 计算错误率前，先在两侧统一正字法（变音符号、拼写规范）。

预算

100 小时的语料用 base 约 48 美元，用 oracle 约 144 美元，按秒计费。需要发票或批量条款的研究团队可联系 KolWrite Enterprise。

常见问题

KolWrite 能导出 Praat 或 ELAN 文件吗？

不能。它返回带分段和逐词时间的 JSON，很容易转换为 TextGrid、EAF 或 CSV。

低资源语言的转写可靠吗？

请把它当作初稿。先测试样本、测量错误率，并安排校对。

我的研究音频会被用于训练模型吗？

KolWrite 在模型页面说明，通过 API 提交的音频不会用于训练其模型。

相关页面