Tale-til-tekst
Xeomas intelligente modul for talegjenkjenning
Modulen «lytter» til lydstrømmen fra et kamera eller en separat mikrofon, gjenkjenner tale, reagerer på nøkkelord og lagrer transkripsjonen av samtaler i en CSV-rapport eller legger den over som tekst på live-video/arkiv avhengig av dine preferanser. Den kan også transkribere .mp3-filer: opptak av samtaler, opplæringsvideoer osv.

Viktig: betaversjon
Modulen er tilgjengelig fra Xeoma 24.8.12 og er i betastadiet, så den kan i noen tilfeller hoppe over ord eller inneholde løkker. Ingen spesialmaskinvare er nødvendig: lydstrømmen fra et hvilket som helst kamera eller en mikrofon og en vanlig standard-PC med GPU er tilstrekkelig.
Bruksscenarioer
Tale-til-tekst forbedrer sikkerheten i privatlivet, i bymiljøer og for innbyggere, samt i næringslivet, og bidrar til å optimalisere forretningsdriften.
Eldreomsorg
Muligheten til å reagere umiddelbart på rop om hjelp eller beskytte mot svindlere.
Enhver virksomhet
Automatisert kontroll av kundeservicekvalitet (for eksempel deteksjon av banneord).
Callsenter
Transkripsjon av samtaleopptak for å overvåke etterlevelse av selskapets retningslinjer og samtaleskript.
Byovervåking
Terrorsikring og gjenkjenning av ord som indikerer fare.
Foreldrekontroll
Bistand til å beskytte barn mot mobbing eller kommunikasjon med svindlere.
Politi
I tillegg til kroppsbårne kameraer – transkripsjon av samtaler med mistenkte og deteksjon av trusler.
Forskning og analyse
Bakgrunnsinnsamling av statistikk for talestudier og ordbruksfrekvens.
Markedsføring
Finn ut om kunder diskuterer en kampanje, deres reaksjon på et banner, osv.
Filtrering og automatisering
Deteksjon av uønskede fraser eller nøkkelord for målrettet samtalekontroll – uten å måtte lytte gjennom alt.
Fordeler med Tale-til-tekst-modulen
Krever ikke spesialutstyr
Fungerer på vanlige datamaskiner med nesten hvilket som helst kamera og grafikkort.
Full fleksibilitet
Ulike reaksjoner (inkludert egne programmerbare) og integrasjon med tredjepartssystemer.
Sanntidsbehandling
Behandler strømmer i sanntid uten forsinkelse. Kjører på din egen maskinvare.
Rimelig løsning
Modulen kan kjøpes i tillegg til Standard- eller Pro-lisensen.
Slik fungerer det

Bygg en kjede
Siden modulen behandler en lydstrøm, trenger du en lydkilde i kjeden.
- Lydkilde: en mikrofon innebygd i kameraet, eller en separat USB- eller IP-mikrofon
- Eksempel på kjede: «Universelt kamera» – «Tale-til-tekst» – «Forhåndsvisning og arkiv»
- Modulen lisensieres i tillegg til en Xeoma Pro- eller Standard-lisens

Last ned AI-ressurser
Klikk på Tale-til-tekst-ikonet i kjeden for å åpne modulinnstillingene. Nedlasting av tilleggsressurser starter automatisk første gang du åpner innstillingene. Når meldingen «Nedlasting pågår» forsvinner, er alt klart.
- Tilleggsressursene inneholder datasett for kunstig intelligens og lastes ned ved behov fra Felenasofts servere
- Ressurser lastes kun ned ved behov — dette holder programstørrelsen liten

Velg en gjenkjenningsmodell og nøkkelord
Flere AI-modeller er tilgjengelige for ulike språk, med forskjellig størrelse, gjenkjenningskvalitet og maskinvarebelastning. I feltet «Talegjenkjenningsmodell» velger du transkripsjonsspråk (selve talespråket trenger ikke angis), og kan eventuelt definere nøkkelord for deteksjon i feltet under. Med bryterne «Vis gjenkjent tale under sanntidsvisning» og «Lagre gjenkjent tale som undertekster ved opptak/eksport av arkiv» kan du vise transkripsjonen direkte i livebildet og i arkivet.
- «Nøkkelord for deteksjon» — modulen reagerer kun på ordene eller frasene du trenger
- Transkripsjonsoverlegg i sanntidsvisning og arkiv
- «Lagre data i CSV-rapport» – transkripsjonen lagres som regnearkfil på disken
- Legg til en reaksjon etter modulen: opptak, varsling eller kommandosending
- Makroen
%VOICE%er tilgjengelig i modulene «HTTP-forespørselssender», «E-postsending» og «Applikasjonskjører»
Integrasjon med eksterne programmer
Voice-to-Text kan brukes fra eksterne programmer, for eksempel til å transkribere VoIP-samtaler. Send en .mp3-fil til modulen og få resultatet som tekst – selv på operatørstasjoner uten Xeoma eller kameraer. Viktig: Kun .mp3-filer støttes.
Eksempel på forespørsel via 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"
Der:
audio_file=@speech.mp3– filbanen til lydfilen på datamaskinen192.168.0.67– IP-adressen til Xeoma-serveren10090– porten til Xeoma-serverenAdministrator/123– Administrator-pålogging (alltid Administrator) og passordmodel=…— gjenkjenningsmodell (se listen nedenfor)language=en– transkripsjonsspråk. Hvis dette avviker fra det faktiske talespråket, oversettes transkripsjonen automatisk til valgt språk
For å lagre resultatet som en tekstfil, legg til >savetext.txt etter kommandoen, der savetext.txt er navnet på tekstfilen.
Gjenkjenningsmodeller for API:
| Navn | Beskrivelse | API-kode |
|---|---|---|
| Russisk basic | 140 MB | tone |
| Russisk enhanced | tegnsetting, 215 MB | giga |
| Engelsk basic | 70 MB | zipformer |
| Flerspråklig basic | tegnsetting, 1 GB, 0,6B parametere | qwen3-asr-0.6b |
| Flerspråklig forbedret | tegnsetting, 2,2 GB, 1,7B parametere | qwen3-asr-1.7b |
| Gemma4 flerspråklig grunnleggende | tegnsetting, 2,2 GB, 1,7B parametere | gemma4-e2b |
| Gemma4 flerspråklig forbedret | tegnsetting, 7 GB, 12B parametere | gemma4-12b |
Liste over språkkoder
en — engelsk, zh — kinesisk, de — tysk, es — spansk, ru — russisk, ko — koreansk, fr — fransk, ja — japansk, pt — portugisisk, tr — tyrkisk, pl — polsk, ca — katalansk, nl — nederlandsk, ar — arabisk, sv — svensk, it — italiensk, id — indonesisk, hi — hindi, fi — finsk, vi — vietnamesisk, he — hebraisk, uk — ukrainsk, el — gresk, ms — malayisk, cs — tsjekkisk, ro — rumensk, da — dansk, hu — ungarsk, ta — tamilsk, no — norsk, th — thai, ur — urdu, hr — kroatisk, bg — bulgarsk, lt — litauisk, la — latin, mi — maori, ml — malayalam, cy — walisisk, sk — slovakisk, te — telugu, fa — persisk, lv — latvisk, bn — bengali, sr — serbisk, az — aserbajdsjansk, sl — slovensk, kn — kannada, et — estisk, mk — makedonsk, br — bretonsk, eu — baskisk, is — islandsk, hy — armensk, ne — nepalsk, mn — mongolsk, bs — bosnisk, kk — kasakhisk, sq — albansk, sw — swahili, gl — galisisk, mr — marathi, pa — punjabi, si — singalesisk, km — khmer, sn — shona, yo — joruba, so — somalisk, af — afrikaans, oc — oksitansk, ka — georgisk, be — hviterussisk, tg — tadsjikisk, sd — sindhi, gu — gujarati, am — amharisk, yi — jiddisk, lo — laotisk, uz — usbekisk, fo — færøysk, ht — haitisk kreol, ps — pashto, tk — turkmensk, nn — nynorsk, mt — maltesisk, sa — sanskrit, lb — luxembourgsk, my — burmesisk, bo — tibetansk, tl — tagalog, mg — gassisk, as — assamesisk, tt — tatarisk, haw — hawaiisk, ln — lingala, ha — hausa, ba — basjkirsk, jw — javanesisk, su — sundanesisk, yue — kantonesisk.
Slik tester du
Last ned og start Xeoma. Bruk prøveversjonen eller aktiver lisens for Xeoma Standard/Xeoma Pro + tilleggslisens for modulen «Voice-to-text».
Legg til et kamera manuelt, eller vent mens Xeoma finner kameraer i nettverket ditt automatisk. For separat mikrofon, koble til modulen «Microphone» og velg riktig lydkilde.
Legg til modulen «Voice-to-Text» i kjeden, konfigurer reaksjon på nøkkelord eller kontinuerlig taletranskripsjon, og aktiver tekstoverlegg på kamerabilde og opptak ved behov.
Angi en reaksjon på hendelsen – lagring til CSV, mobilvarslinger eller annet.
demolisens
Andre moduler som behandler lydstrømmer
Disse modulene fungerer selvstendig eller sammen med Voice-to-Text.
Velg en USB-mikrofon eller en separat IP-mikrofon som lydkilde.
Analyserer lydstrømmer og utløses når lydnivået overstiger en angitt grense.
Gjenkjenner bilalarmer, barnegråt, skudd, skrik og glassbrudd.
Voice-to-Text: Talegjenkjenning i Xeoma
Prøv Xeoma gratis
Oppgi navn og e-post for å få en gratis demolisens. Ingen kredittkort nødvendig.
Send gratis demolisenser for Xeoma til e-post
Full funksjonalitet. Sendes umiddelbart.
Vi ber deg avstå fra å bruke e-postadresser som inneholder personopplysninger, og fra å sende oss personopplysninger på andre måter. Hvis du likevel gjør dette, bekrefter du ditt samtykke til behandling av personopplysningene ved å sende inn dette skjemaet
Trenger du noe annet?
Passer ikke modulen helt til dine behov? Vi kan utvikle funksjonene du trenger og legge dem til i Xeoma som betalt spesialutvikling. Se detaljer.
Har du spørsmål? Trenger du hjelp? Kontakt oss! Vi hjelper deg gjerne!
Klar til å starte?
Test Tale-til-tekst med gratis demolisens – ingen kredittkort eller personopplysninger kreves.

