AI-drevet lydanalyse

Tale-til-tekst

Xeomas intelligente modul for talegjenkjenning

Ikon for Voice-to-Text-modulen 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.

Voice-to-Text: Xeomas intelligente modul for talegjenkjenning
90+ transkripsjonsspråk
CSV rapport lagret på disk
Live strømmer og .mp3-filer
AI tilleggsmodul
Viktig merknad: modulen er i beta

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.

Bruksområder

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

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.

Arbeidsflyt

Slik fungerer det

Eksempel på en kjede med den intelligente Voice-to-Text-modulen
Trinn 1

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
Nedlasting av ytterligere AI-ressurser
Trinn 2

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
Valg av AI-modell og transkripsjonsspråk
Trinn 3

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»
API

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 datamaskinen
  • 192.168.0.67 – IP-adressen til Xeoma-serveren
  • 10090 – porten til Xeoma-serveren
  • Administrator / 123 – Administrator-pålogging (alltid Administrator) og passord
  • model=… — 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.

Kom i gang

Slik tester du

1
Start Xeoma

Last ned og start Xeoma. Bruk prøveversjonen eller aktiver lisens for Xeoma Standard/Xeoma Pro + tilleggslisens for modulen «Voice-to-text».

2
Legg til kamera

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.

3
Legg til modulen

Legg til modulen «Voice-to-Text» i kjeden, konfigurer reaksjon på nøkkelord eller kontinuerlig taletranskripsjon, og aktiver tekstoverlegg på kamerabilde og opptak ved behov.

4
Konfigurer reaksjoner

Angi en reaksjon på hendelsen – lagring til CSV, mobilvarslinger eller annet.

Innstillinger for Voice-to-Text-modulen i Xeoma
Prøveversjonen har enkelte begrensninger. For å bli bedre kjent med Voice-to-Text anbefaler vi å be om en gratis demolisens. Denne gir tilgang til alle funksjoner uten begrensninger og uten forpliktelser. Kun e-postadresse kreves. Klikk på knappen nedenfor for å komme i gang:
Hent gratis
demolisens
Video

Voice-to-Text: Talegjenkjenning i Xeoma

Gratis prøveversjon

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 modulen tilpasset dine behov?

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.