Rev AI

Batch-Jobs verarbeiten bereits aufgezeichnetes Audio und Video, und laut Rev kommt eine Stunde Material in unter einer Minute zurück. Die praktische Obergrenze liegt bei 17 Stunden Audio pro Job, Dateien per URL erreichen 5 TB. Damit lassen sich ganze Aufnahmetage, Aussagen vor Gericht und Kongressarchive abdecken, ohne vorher zu schneiden.

Die Streaming-API macht aus Live-Audio Untertitel mit geringer Latenz. Sie nutzt dieselben Modelle wie das Batch-Produkt. WebSocket bedient Anwendungen, RTMP Broadcast-Encoder. Ein Stream läuft bis zu 3 Stunden, ein langer Event braucht deshalb den dokumentierten Reconnect-Schritt.

Rev AI kennzeichnet, wer was sagt, mit bis zu 8 Sprechern im Englischen und 6 in anderen Sprachen. Wurde jede Person auf einer eigenen Spur aufgenommen, geben Sie die Kanalzahl an und erhalten eine saubere Trennung als mit Diarisierung allein. Die Sprecherzahl lässt sich nicht fest vorgeben, was bei unruhigen Gruppengesprächen auffällt.

Jeder Text kann Zeitstempel bis aufs Wort tragen, was Zitieren, Suchen und das Synchronisieren von Untertiteln deutlich leichter macht. Das Forced Alignment ist die Schwesterfunktion: Sie übergeben Audio und ein vorhandenes Skript und erhalten das exakte Timing jedes Wortes. Medien Teams richten damit eingebrannte Untertitel aus, Juristen zitieren eine bestimmte Stelle einer Aussage.

Die asynchrone API deckt 58 Sprachen ab, darunter mehrsprachige Englisch- und Spanisch-Modelle, das Streaming erreicht 9. Die Sprachidentifikation läuft als eigener Aufruf, sodass Sie unbekanntes Audio sortieren können, bevor Sie für die Transkription zahlen. Jede Sprache hat ein eigenes Genauigkeitsprofil, die aktuelle Liste veröffentlicht Rev.

Über den Text hinaus bewertet dieser Audiotranskriptionsdienst die Stimmung, extrahiert Themen, fasst eine lange Aufnahme zusammen und übersetzt in eine andere Sprache. Jede Funktion ist ein eigener Job-Parameter, so zahlen Sie nicht für Ungenutztes. Standard- und Premium-Modelle kosten unterschiedlich viel, prüfen Sie den Tarif vor einem großen Batch.

Sie übergeben eine Liste mit Namen, Produkten und Fachbegriffen, damit das Modell sie so schreibt wie Ihr Unternehmen. Am meisten hilft das bei Marken, Arzneimittelnamen und internem Jargon, den allgemeine Modelle verunstalten. Es ist eine Wortliste, kein Sprachmodell, das Sie trainieren.

Die offiziellen SDKs decken Python und Node.js ab, Webhooks melden den Abschluss eines Jobs, und die Ausgabeformate umfassen JSON, reinen Text, SRT und VTT. Rev bietet außerdem Deployment auf eigenen Servern für Käufer, die keine öffentliche Cloud nutzen dürfen. Jobs bleiben 30 Tage auf dem Server, sofern Sie das Fenster nicht verkürzen.