智能感知 · 組件
長音訊轉寫、重疊對齊與説話人拼接
可用 合成數據 T1 · 波形與時間軸
功能
將長音訊切分為有界的轉寫任務，處理切分接縫，並拼接帶時間戳的片段與用量記錄。一個變體使用隊列和字節範圍切分；另一個使用 FFmpeg 和並行請求。説話人拼接是啓發式的，效果隨來源而異。
核心模式
長錄音切分轉寫＋接縫對齊和時間定位
- 輸入
- Publisher audio URL and episode metadata
- 輸出
- Transcript, speaker map, segments and spend/job records
關鍵參數
| 名稱 | 類型 | 預設值 | 取值 |
|---|---|---|---|
| audio_url | string | — | — |
| language | string? | — | — |
| chunk_seconds | number | 460 | 10–480 |
| overlap_seconds | number | 20 | 0–60 |
| stitch_speakers | boolean | true | — |
成熟度與限制
可用
工作進程包含實際語音服務調用、重試、恢復和拼接；舊轉寫流水線中的服務實現仍為佔位。此等級依據靜態源碼檢查，不代表運行測試、真實服務接入或生產部署已通過驗證。
未發現根目錄複用許可證；第三方內容、標識和個人資料須取得使用權，外部服務須配置憑據。重疊對齊與説話人映射採用啓發式方法，不等於生物特徵身份驗證。出版方的分段請求行為可能不同；字節範圍提取要求兼容的 MP3 或未加密 AAC-in-MP4 佈局。各變體單獨記錄依賴與限制，不代表同一已部署系統。
