AI-driven ljudanalys

Tal-till-text

Xeomas intelligenta modul för taligenkänning

Ikon för Voice-to-Text-modulen Modulen ”lyssnar” på ljudströmmen från en kamera eller separat mikrofon, känner igen tal, reagerar på nyckelord och sparar transkriptioner av samtal i en CSV-rapport. Beroende på dina inställningar kan texten även visas som överlagring på livevideo eller i arkivet. Den kan också transkribera .mp3-filer, såsom samtalsinspelningar och utbildningsvideor.

Voice-to-Text: Xeomas intelligenta modul för taligenkänning
90+ transkriberingsspråk
CSV- rapport sparas lokalt
Live- strömmar och .mp3-filer
AI- tilläggsmodul
Viktig notering: modulen är i beta

Viktigt: betaversion

Modulen är tillgänglig från Xeoma 24.8.12 och befinner sig i betastadiet, vilket innebär att den i vissa fall kan utelämna ord eller skapa loopar. Ingen specialutrustning krävs: ljudströmmen från valfri kamera eller mikrofon samt en vanlig dator med GPU är tillräckligt.

Användningsområden

Applikationsscenarier

Röst-till-text ökar säkerheten i privatlivet, stadsmiljön och inom näringslivet, samtidigt som det effektiviserar affärsprocesser.

Omsorg om äldre

Möjlighet att omedelbart reagera på nödrop eller skydda personer mot bedragare.

Varje företag

Automatiserad kvalitetskontroll av kundtjänst (exempelvis detektering av svordomar).

Kontaktcenter

Transkription av samtalsinspelningar för att säkerställa efterlevnad av företagspolicy och samtalsmanus.

Stadsövervakning

Kontraterrorism och igenkänning av ord som indikerar fara.

Föräldrakontroll

Stöd för att skydda barn mot mobbning eller kontakt med bedragare.

Polis

Utöver kroppsburna kameror – transkription av samtal med misstänkta och detektering av hot.

Forskning och analys

Automatisk insamling av statistik för talstudier och analys av ordfrekvens.

Marknadsföring

Få insikt i om kunder diskuterar en kampanj, deras reaktion på annonsering med mera.

Filtrering och automation

Detektering av oönskade fraser eller nyckelord för riktad konversationskontroll – utan att behöva lyssna igenom allt material.

Fördelar

Fördelar med modulen Röst-till-text

Ingen specialutrustning krävs

Fungerar på vanliga datorer med nästan vilken kamera och vilket grafikkort som helst.

Maximal flexibilitet

Flexibla reaktionsalternativ (inklusive egna programmerbara) och integration med tredjepartssystem.

Realtidsbearbetning

Realtidsbearbetning av strömmar utan fördröjning. Körs på din egen hårdvara.

Kostnadseffektiv lösning

Modulen kan köpas som tillägg till Standard- eller Pro-licensen.

Arbetsflöde

Så fungerar det

Exempel på en kedja med den intelligenta modulen Voice-to-Text
Steg 1

Bygg en kedja

Eftersom modulen bearbetar en ljudström krävs en ljudkälla i kedjan.

  • Ljudkälla: inbyggd mikrofon i kameran eller separat USB- eller IP-mikrofon
  • Exempelkedja: ”Universal Camera” – ”Röst-till-text” – ”Förhandsgranskning och arkiv”
  • Modulen licensieras utöver en Xeoma Pro- eller Standard-licens
Laddar ner extra AI-resurser
Steg 2

Ladda ner AI-resurser

Klicka på ikonen för Röst-till-text i kedjan för att öppna modulinställningarna. Nedladdning av nödvändiga resurser startar automatiskt första gången du öppnar inställningarna. När meddelandet ”Nedladdning pågår” försvinner är systemet redo.

  • De extra resurserna innehåller datamängder för artificiell intelligens och laddas ner vid behov från Felenasofts servrar
  • Resurser laddas endast ner vid behov – vilket minimerar programmets storlek
Val av AI-modell och transkriberingsspråk
Steg 3

Välj igenkänningsmodell och nyckelord

Flera AI-modeller finns tillgängliga för olika språk, med varierande storlek, igenkänningskvalitet och hårdvarubelastning. I fältet ”Taligenkänningsmodell” väljer du transkriberingsspråk (talets språk behöver inte anges) och anger vid behov nyckelord för detektering i fältet nedan. Med reglagen ”Visa igenkänd text vid visning i realtid” och ”Spara igenkänd text som undertexter vid inspelning/arkivexport” kan du visa transkriberingen direkt i livevideon samt i arkivet.

  • ”Nyckelord för detektering” — modulen reagerar endast på de ord eller fraser du behöver
  • Overlagring av transkribering i liveförhandsgranskning och i arkivet
  • ”Spara data i CSV-rapport” — transkriberingen sparas som en kalkylfil på disken
  • Lägg till en åtgärd efter modulen: inspelning, avisering eller kommandoskickning
  • Makrot %VOICE% är tillgängligt i modulerna ”HTTP-begäranssändare”, ”E-postsändning” och ”Applikationsstartare”
API

Integration med externa program

Voice-to-Text kan användas från externa program, exempelvis för att transkribera VoIP-samtal. Skicka en .mp3-fil till modulen och få resultatet som text – även på operatörsstationer utan Xeoma eller kameror. Viktigt: endast .mp3-filer stöds.

Exempel på begäran 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"

Där:

  • audio_file=@speech.mp3 — sökväg till ljudfilen på din dator
  • 192.168.0.67 — Xeoma-serverns IP-adress
  • 10090 — Xeoma-serverns port
  • Administrator / 123 — administratörsinloggning (alltid Administrator) och lösenord
  • model=… — igenkänningsmodell (se lista nedan)
  • language=en — transkriberingsspråk. Om detta skiljer sig från det talade språket översätts transkriberingen automatiskt till det angivna språket

För att spara resultatet som en textfil, lägg till >savetext.txt efter kommandot, där savetext.txt är textfilens namn.

Igenkänningsmodeller för API:et:

Namn Beskrivning API-kod
Ryska grundläggande 140 MB tone
Ryska utökad interpunktion, 215 MB giga
Engelska grundläggande 70 MB zipformer
Flerspråkig grundläggande skiljetecken, 1 GB, 0,6 miljarder parametrar qwen3-asr-0.6b
flerspråkig förbättrad skiljetecken, 2,2 GB, 1,7 miljarder parametrar qwen3-asr-1.7b
Gemma4 flerspråkig grundläggande skiljetecken, 2,2 GB, 1,7 miljarder parametrar gemma4-e2b
Gemma4 flerspråkig förbättrad skiljetecken, 7 GB, 12 miljarder parametrar gemma4-12b

Lista över språkkoder

en — engelska, zh — kinesiska, de — tyska, es — spanska, ru — ryska, ko — koreanska, fr — franska, ja — japanska, pt — portugisiska, tr — turkiska, pl — polska, ca — katalanska, nl — nederländska, ar — arabiska, sv — svenska, it — italienska, id — indonesiska, hi — hindi, fi — finska, vi — vietnamesiska, he — hebreiska, uk — ukrainska, el — grekiska, ms — malajiska, cs — tjeckiska, ro — rumänska, da — danska, hu — ungerska, ta — tamil, no — norska, th — thailändska, ur — urdu, hr — kroatiska, bg — bulgariska, lt — litauiska, la — latin, mi — maori, ml — malayalam, cy — walesiska, sk — slovakiska, te — telugu, fa — persiska, lv — lettiska, bn — bengali, sr — serbiska, az — azerbajdzjanska, sl — slovenska, kn — kannada, et — estniska, mk — makedonska, br — bretonska, eu — baskiska, is — isländska, hy — armeniska, ne — nepali, mn — mongoliska, bs — bosniska, kk — kazakiska, sq — albanska, sw — swahili, gl — galiciska, mr — marathi, pa — punjabi, si — singalesiska, km — khmer, sn — shona, yo — yoruba, so — somaliska, af — afrikaans, oc — occitanska, ka — georgiska, be — vitryska, tg — tadzjikiska, sd — sindhi, gu — gujarati, am — amhariska, yi — jiddisch, lo — lao, uz — uzbekiska, fo — färöiska, ht — haitisk kreol, ps — pashto, tk — turkmeniska, nn — nynorska, mt — maltesiska, sa — sanskrit, lb — luxemburgiska, my — burmesiska, bo — tibetanska, tl — tagalog, mg — malagassiska, as — assamesiska, tt — tatariska, haw — hawaiiska, ln — lingala, ha — hausa, ba — basjkiriska, jw — javanesiska, su — sundanesiska, yue — kantonesiska.

Kom igång

Så här testar du

1
Starta Xeoma

Ladda ner och starta Xeoma. Använd testversionen eller aktivera en licens för Xeoma Standard/Xeoma Pro + licens för tilläggsmodulen ”Voice-to-text”.

2
Lägg till kamera

Lägg till en kamera manuellt eller vänta medan Xeoma söker efter kameror i nätverket automatiskt. För extern mikrofon, anslut modulen ”Microphone” och välj rätt ljudkälla.

3
Lägg till modulen

Lägg till modulen ”Voice-to-Text” i kedjan, konfigurera reaktion på nyckelord eller kontinuerlig taltranskribering och aktivera vid behov transkriptöverlagring på kamerabilden och i inspelningarna.

4
Konfigurera reaktioner

Konfigurera en händelsereaktion — spara till CSV, mobilaviseringar eller annat.

Inställningar för Voice-to-Text-modulen i Xeoma
Testversionen har vissa begränsningar. För att utvärdera Voice-to-Text fullt ut rekommenderar vi att du begär en gratis demolicens. Den ger tillgång till alla funktioner utan begränsningar och utan förpliktelser. Endast en e-postadress krävs. Klicka på knappen nedan för att komma igång:
Hämta gratis
demolicens
Video

Voice-to-Text: Taligenkänning i Xeoma

Gratis provperiod

Testa Xeoma gratis

Ange namn och e-post för att få en gratis demolicens. Inget kreditkort krävs.

Få gratis demolicenser för Xeoma till din e-post

Full funktionalitet. Skickas omedelbart.

Vi uppmanar dig att inte använda e-postadresser som innehåller personuppgifter eller skicka personuppgifter till oss på annat sätt. Om du ändå gör det bekräftar du genom att skicka detta formulär ditt samtycke till behandlingen av dina personuppgifter

Behöver modulen anpassas efter dina behov?

Behöver du något annat?

Uppfyller modulen inte dina krav? Vi kan utveckla de funktioner du behöver och integrera dem i Xeoma som skräddarsydd utveckling. Läs mer.

Har du frågor? Behöver du hjälp? Kontakta oss! Vi hjälper dig gärna!

Redo att komma igång?

Testa Tal-till-text med en gratis demolicens – inget kreditkort och inga personuppgifter krävs.