Analitik audio berbasis AI

Voice-to-Text

Modul cerdas Xeoma untuk pengenalan ucapan

Ikon modul Voice-to-Text Modul ini 'mendengarkan' stream audio dari kamera atau mikrofon terpisah, mengenali ucapan, merespons kata kunci, dan menyimpan transkrip percakapan dalam laporan CSV atau menampilkannya sebagai teks pada video live/arsip sesuai preferensi Anda. Modul ini juga dapat mentranskripsi file .mp3: rekaman percakapan, video pelatihan, dll.

Voice-to-Text: Modul Cerdas Xeoma untuk Pengenalan Ucapan
90+ bahasa transkripsi
CSV laporan tersimpan di disk
Live stream dan file .mp3
AI modul tambahan
Catatan penting: modul dalam versi beta

Penting: versi beta

Modul ini tersedia mulai Xeoma 24.8.12 dan masih dalam tahap beta, sehingga dalam beberapa kasus mungkin melewatkan kata atau mengalami pengulangan. Tidak diperlukan peralatan khusus: stream suara dari kamera atau mikrofon apa pun serta komputer standar dengan GPU sudah memadai.

Kasus penggunaan

Skenario aplikasi

Voice-to-Text meningkatkan keamanan dalam kehidupan pribadi, kehidupan kota dan warga, serta di sektor komersial, dan mengoptimalkan operasional bisnis.

Perawatan lansia

Kemampuan untuk bereaksi instan terhadap teriakan minta tolong atau melindungi mereka dari penipu.

Segala jenis bisnis

Kontrol otomatis kualitas layanan pelanggan (misalnya, deteksi kata-kata kasar).

Call center

Transkripsi rekaman panggilan untuk memantau kepatuhan terhadap kebijakan perusahaan dan skrip percakapan.

Pengawasan kota

Keamanan anti-terorisme dan pengenalan kata-kata yang mengindikasikan bahaya.

Kontrol orang tua

Membantu melindungi anak dari perundungan atau komunikasi dengan penipu.

Polisi

Selain kamera yang dikenakan di tubuh — transkripsi percakapan dengan tersangka dan deteksi ancaman.

Riset dan analitik

Pengumpulan statistik latar belakang untuk studi terkait ucapan dan frekuensi penggunaan kata.

Pemasaran

Mengetahui apakah pelanggan membahas kampanye promosi, reaksi mereka terhadap banner, dan sebagainya.

Filtrasi dan otomatisasi

Deteksi frasa yang tidak diinginkan atau kata kunci untuk kontrol percakapan tertarget — tanpa harus mendengarkan seluruhnya.

Keunggulan

Keunggulan modul Voice-to-Text

Tidak perlu peralatan khusus

Berjalan di komputer standar dengan hampir semua jenis kamera dan kartu grafis.

Sangat fleksibel

Berbagai respons (termasuk yang dapat diprogram sendiri) dan integrasi dengan sistem pihak ketiga.

Operasi real-time

Memproses stream secara real-time tanpa latensi. Berjalan di perangkat keras Anda sendiri.

Solusi terjangkau

Modul dapat dibeli sebagai tambahan lisensi Standard atau Pro.

Alur kerja

Cara kerja

Contoh alur proses dengan modul cerdas Voice-to-Text
Langkah 1

Buat rangkaian

Karena modul ini memproses stream audio, Anda memerlukan sumber suara dalam rangkaian.

  • Sumber suara: mikrofon bawaan kamera, atau mikrofon USB maupun IP terpisah
  • Contoh rangkaian: “Universal Camera” – “Voice-to-Text” – “Preview and Archive”
  • Modul ini dilisensikan secara terpisah dari lisensi Xeoma Pro atau Standard
Mengunduh sumber daya AI tambahan
Langkah 2

Unduh sumber daya AI

Klik ikon Voice-to-Text dalam rangkaian untuk membuka pengaturan modul. Pengunduhan sumber daya tambahan akan dimulai secara otomatis saat pertama kali Anda membuka pengaturan. Ketika pesan “Downloading in progress” hilang, berarti semuanya siap.

  • Sumber daya tambahan berisi kumpulan data untuk kecerdasan buatan dan diunduh sesuai permintaan dari server FelenaSoft
  • Sumber daya hanya diunduh saat dibutuhkan — sehingga ukuran program tetap kecil
Memilih model AI dan bahasa transkripsi
Langkah 3

Pilih model pengenalan dan kata kunci

Tersedia beberapa model AI untuk berbagai bahasa dengan ukuran, kualitas pengenalan, dan beban perangkat keras yang berbeda. Pada kolom “Model pengenalan ucapan”, pilih bahasa transkrip (bahasa ucapan asli tidak perlu ditentukan) dan, jika diperlukan, tentukan kata kunci untuk deteksi di kolom bawahnya. Opsi “Tampilkan ucapan yang dikenali saat pratinjau langsung” dan “Simpan ucapan yang dikenali dalam subtitle saat merekam/mengekspor arsip” memungkinkan Anda menampilkan transkrip pada video langsung maupun di dalam arsip.

  • “Kata kunci untuk deteksi” — modul hanya merespons kata atau frasa yang Anda tentukan
  • Overlay transkrip pada pratinjau langsung dan arsip
  • “Simpan data dalam laporan CSV” — transkrip disimpan sebagai file spreadsheet di disk
  • Konfigurasikan respons setelah modul: perekaman, notifikasi, pengiriman perintah
  • Makro %VOICE% tersedia di modul “Pengirim Permintaan HTTP”, “Pengiriman Email”, dan “Penjalan Aplikasi”
API

Integrasi dengan program eksternal

Voice-to-Text dapat digunakan dari program eksternal — misalnya, untuk mentranskripsi percakapan VoIP. Kirimkan file .mp3 ke modul dan dapatkan hasilnya dalam bentuk teks — bahkan di workstation operator yang tidak memiliki Xeoma atau kamera. Penting: hanya file .mp3 yang didukung.

Contoh permintaan melalui Xeoma API (JSON):

curl -F "audio_file=@speech.mp3" "http://192.168.0.67:10090/api?login=Administrator&password=123&speech_recognition=recognition&model=qwen3-asr-1.7b&ttl=10&language=en"

Keterangan:

  • audio_file=@speech.mp3 — jalur ke file audio di komputer Anda
  • 192.168.0.67 — alamat IP server Xeoma
  • 10090 — port server Xeoma
  • Administrator / 123 — login Administrator (selalu Administrator) dan kata sandi
  • model=… — model pengenalan (lihat daftar di bawah)
  • language=en — bahasa transkrip. Jika berbeda dari bahasa ucapan asli, transkrip akan diterjemahkan secara otomatis ke bahasa yang Anda tentukan

Untuk menyimpan hasil sebagai file teks, tambahkan >savetext.txt setelah perintah, dengan savetext.txt sebagai nama file teks.

Model pengenalan untuk API:

Nama Deskripsi Kode API
Russian basic 140 MB tone
Russian enhanced tanda baca, 215 MB giga
English basic 70 MB zipformer
Multilingual basic tanda baca, 1 GB, 0,6 miliar parameter qwen3-asr-0.6b
Gemma4 multibahasa tingkat lanjut tanda baca, 2,2 GB, 1,7 miliar parameter qwen3-asr-1.7b
Gemma4 multibahasa dasar tanda baca, 2,2 GB, 1,7 miliar parameter gemma4-e2b
Gemma4 multibahasa tingkat lanjut tanda baca, 7 GB, 12 miliar parameter gemma4-12b

Daftar kode bahasa

en — Inggris, zh — Mandarin, de — Jerman, es — Spanyol, ru — Rusia, ko — Korea, fr — Prancis, ja — Jepang, pt — Portugis, tr — Turki, pl — Polandia, ca — Katalan, nl — Belanda, ar — Arab, sv — Swedia, it — Italia, id — Indonesia, hi — Hindi, fi — Finlandia, vi — Vietnam, he — Ibrani, uk — Ukraina, el — Yunani, ms — Melayu, cs — Ceko, ro — Rumania, da — Denmark, hu — Hungaria, ta — Tamil, no — Norwegia, th — Thai, ur — Urdu, hr — Kroasia, bg — Bulgaria, lt — Lituania, la — Latin, mi — Maori, ml — Malayalam, cy — Wales, sk — Slovakia, te — Telugu, fa — Persia, lv — Latvia, bn — Bengali, sr — Serbia, az — Azerbaijan, sl — Slovenia, kn — Kannada, et — Estonia, mk — Makedonia, br — Breton, eu — Basque, is — Islandia, hy — Armenia, ne — Nepal, mn — Mongolia, bs — Bosnia, kk — Kazakh, sq — Albania, sw — Swahili, gl — Galisia, mr — Marathi, pa — Punjab, si — Sinhala, km — Khmer, sn — Shona, yo — Yoruba, so — Somali, af — Afrikaans, oc — Oksitan, ka — Georgia, be — Belarusia, tg — Tajik, sd — Sindhi, gu — Gujarat, am — Amharik, yi — Yiddish, lo — Laos, uz — Uzbek, fo — Faroe, ht — Kreol Haiti, ps — Pashto, tk — Turkmen, nn — Nynorsk, mt — Malta, sa — Sanskerta, lb — Luksemburg, my — Myanmar, bo — Tibet, tl — Tagalog, mg — Malagasi, as — Assam, tt — Tatar, haw — Hawaii, ln — Lingala, ha — Hausa, ba — Bashkir, jw — Jawa, su — Sunda, yue — Kanton

Mulai Cepat

Cara menguji

1
Jalankan Xeoma

Unduh dan jalankan Xeoma. Gunakan edisi Uji Coba atau aktifkan lisensi Xeoma Standard/Xeoma Pro + lisensi modul tambahan “Voice-to-text”.

2
Tambahkan kamera

Tambahkan kamera secara manual atau tunggu hingga Xeoma menemukan kamera di jaringan Anda secara otomatis. Untuk mikrofon eksternal, tambahkan modul “Microphone” dan pilih sumber suara yang sesuai.

3
Tambahkan modul

Tambahkan modul “Voice-to-Text” ke dalam rantai, konfigurasikan respons terhadap kata kunci atau transkripsi ucapan berkelanjutan, dan jika perlu, aktifkan overlay transkrip pada tampilan kamera serta rekaman.

4
Atur reaksi

Konfigurasikan respons terhadap peristiwa — simpan ke CSV, notifikasi seluler, atau tindakan lainnya.

Pengaturan modul Voice-to-Text di Xeoma
Edisi Uji Coba memiliki sejumlah batasan. Untuk menjajal Voice-to-Text secara optimal, kami sarankan meminta lisensi demo gratis. Lisensi ini memberikan akses penuh ke semua fitur tanpa batasan maupun kewajiban apa pun. Cukup sediakan alamat email. Klik tombol di bawah ini untuk memulai:
Dapatkan gratis
lisensi demo
Video

Voice-to-Text: Pengenalan Ucapan di Xeoma

Uji coba gratis

Coba Xeoma gratis

Masukkan nama dan email Anda untuk mendapatkan lisensi demo gratis. Tanpa kartu kredit.

Kirim lisensi demo gratis Xeoma ke email

Fitur lengkap. Terkirim seketika.

Kami mengimbau Anda untuk tidak menggunakan alamat email yang mengandung data pribadi, atau mengirimkan data pribadi kepada kami melalui cara lain. Jika Anda tetap melakukannya, dengan mengirimkan formulir ini, Anda menyatakan persetujuan atas pemrosesan data pribadi Anda

Perlu modul yang disesuaikan dengan kebutuhan spesifik Anda?

Apakah Anda membutuhkan hal lain?

Modul belum sepenuhnya sesuai dengan kebutuhan Anda? Kami dapat mengembangkan fungsi khusus dan menambahkannya ke dalam Xeoma sebagai pengembangan berbayar. Lihat detailnya.

Ada pertanyaan? Butuh bantuan? Hubungi kami! Tim kami siap membantu!

Siap memulai?

Uji Suara-ke-Teks dengan lisensi demo gratis — tanpa kartu kredit dan data pribadi.