معیارهای فنی API گفتار به متن
- Batch یا Streaming: برای فایل ضبطشده پردازش batch کافی است؛ برای تماس زنده یا دستیار صوتی latency اهمیت دارد.
- دقت فارسی: API باید نامها، عددها، واژههای انگلیسی در متن فارسی و لهجه را قابل قبول تشخیص دهد.
- فرمتها: MP3، WAV، M4A، OGG، OPUS، MP4 و WEBM در سناریوهای واقعی رایجاند.
- خروجی: متن خام، زمانبندی، تفکیک گوینده، SRT، Word یا JSON کاربردهای متفاوت دارند.
- سقف و پایداری: محدودیت حجم، نرخ درخواست، صف و retry در محصول مهم است.
قیمت واقعی API را چطور حساب کنیم؟
قیمت هر دقیقه فقط بخشی از هزینه است. هزینهٔ واقعی شامل پردازش دوباره فایلهای خطادار، ذخیرهسازی، صف، ویرایش انسانی، پشتیبانی کاربر و مانیتورینگ است. برای مقایسه، هزینه را بر اساس یک ماه مصرف واقعی محاسبه کنید، نه یک فایل کوتاه آزمایشی.
| سناریو | معیار مهم |
|---|---|
| اپلیکیشن یادداشت صوتی | سرعت و هزینه پایین |
| پلتفرم جلسات | فایل طولانی، تفکیک گوینده و خلاصه |
| مرکز تماس | پایداری، امنیت و پردازش انبوه |
| پژوهش و حقوق | دقت نقلقول و محرمانگی |
تست استاندارد قبل از انتخاب API
- یک مجموعه نمونه از فایلهای واقعی فارسی بسازید.
- متن مرجع انسانی برای چند فایل تهیه کنید.
- خطای نام، عدد و جملههای تخصصی را جداگانه بشمارید.
- زمان پاسخ، خطاهای شبکه و رفتار روی فایل طولانی را ثبت کنید.
- خروجی را در جریان واقعی محصول خود تست کنید.
امنیت و نگهداری داده در API
برای دادهٔ صوتی مشتری، شرایط نگهداری فایل، رمزنگاری، لاگها، محل پردازش، حذف داده و دسترسی تیم پشتیبانی اهمیت دارد. اگر فایلها پزشکی، حقوقی یا سازمانی هستند، حداقل دادهٔ لازم را ارسال کنید و متن خروجی را نیز محرمانه بدانید.
قرارداد پاسخ و خطا را قبل از اتصال بررسی کنید
یکپارچهسازی فقط ارسال فایل نیست. باید روشن باشد پاسخ نهایی همان درخواست برمیگردد یا شناسه کار میگیرید؛ وضعیت صف، خطای قابل تکرار و سقف نرخ چگونه گزارش میشود. در قطع ارتباط، قبل از ارسال مجدد وضعیت کار قبلی را بررسی کنید تا هزینه یا پردازش تکراری ایجاد نشود. نام endpoint، قالب احراز هویت و مثال درخواست را فقط از مستندات معتبر همان سرویس بگیرید. این مقاله راهنمای انتخاب است، نه مستند تضمینشده API ویسیتو یا وعده streaming؛ شرایط دسترسی توسعهدهنده را در حساب و پشتیبانی تأیید کنید.
سناریوهای پذیرش قبل از اتصال به محصول
| آزمون | پرسشی که قرارداد API باید پاسخ دهد |
|---|---|
| فایل معتبر کوتاه | متن نهایی برمیگردد یا شناسه کار؟ |
| قطع ارتباط پس از ارسال | وضعیت کار قبلی چطور پیدا میشود؟ |
| قالب ناپذیرفته یا فایل خراب | خطا قابل تشخیص است یا پاسخ مبهم؟ |
| اتمام سهمیه یا محدودیت نرخ | چه زمانی و با چه شرایطی میتوان ادامه داد؟ |
| درخواست حذف داده | حذف شامل صوت، متن و نسخههای ذخیرهشده هست؟ |
اینها سناریوهای مورد انتظار برای ارزیابیاند، نه ادعای وجود endpoint خاص در ویسیتو. الگوی احراز هویت، وضعیتها و سیاست تکرار را از مستندات رسمی بگیرید. اطلاعات محرمانه را در کد فرانتاند یا گزارش خطای عمومی نگذارید و نمونه آزمایش را غیرحساس انتخاب کنید.
انتخاب API تبدیل صدا به متن فارسی
- تعریف سناریو
نیاز batch، streaming، فایل طولانی، خروجی و امنیت را مشخص کنید.
- ساخت نمونه
چند فایل واقعی فارسی با کیفیتها و لهجههای متفاوت آماده کنید.
- اندازهگیری
دقت، زمان پاسخ، هزینه و خطاهای پرریسک را ثبت کنید.
- تصمیم
API را بر اساس هزینهٔ واقعی و کیفیت در جریان محصول انتخاب کنید.