בקיצור
- שולחים ל־API של KolWrite כתובת של קובץ אודיו או וידאו, ומקבלים חזרה מקטעים עם זמנים לכל מילה ותוויות דוברים ב־JSON, טקסט רגיל או SRT.
- זמנים ברמת מילה מאפשרים לבנות כתוביות, חיפוש וניגון בלחיצה. עם תוויות דוברים אפשר לבנות סיכומי פגישות, ציטוטים ותצוגות לפי משתתף.
- ב־console.kolwrite.com תמצאו את המפתחות, נתוני השימוש והתיעוד. גם המחירים והמגבלות מתפרסמים שם, ולא בעמוד הזה.
- בדקו את המערכת עם ההקלטות הכי קשות שלכם בשפות היעד, ומדדו כמה זמן לוקח להגיע לטקסט מתוקן ולא רק לפלט הראשוני.
- שמרו את המפתחות בשרת שלכם, עדכנו את המשתמשים לאן האודיו שלהם עובר, ודאגו שמישהו יעבור על כל טקסט לפני שהוא מתפרסם.
מה נותן API של זיהוי דיבור?
עם API של זיהוי דיבור, התוכנה שלכם הופכת הקלטות לטקסט לבד, בלי שאף אחד יצטרך לפתוח אפליקציה. ככה אפשר להוסיף כתוביות לסרטונים שמשתמשים מעלים, לאנדקס ארכיון שיחות, לאפשר חיפוש בשיחות תמיכה או לתת לסוכן AI יכולת להקשיב. הזיהוי עצמו רץ על שרתי הספק, והאפליקציה שלכם מקבלת בחזרה נתונים מובנים.
כשמישהו עובד ישירות על הקלטה, מתאים להשתמש באפליקציה. כשהקלטות זורמות מהמוצר שלכם בכמויות, או כשתוכנה צריכה לקרוא את התוצאה ולא בן אדם, עוברים ל־API. ב־KolWrite יש את שניהם, ומאחורי הקלעים הם עובדים עם אותו מנוע תמלול.
מה שולחים ומה מקבלים בחזרה?
ה־API של KolWrite מקבל כתובת (URL) של קובץ אודיו או וידאו. בתמורה מקבלים את התמלול מחולק למקטעים, עם זמנים לכל מילה ותוויות דוברים, בפורמט שביקשתם: JSON, טקסט רגיל או SRT. מודלים מסוג Oracle יודעים גם לתרגם. המבנה המדויק של הבקשות והתשובות מופיע במסוף (Console), אז כשאתם ניגשים לכתוב קוד, עבדו מול התיעוד שם ולא לפי התקציר הזה.
בגלל שה־API מקבל כתובת, הקובץ חייב לשבת ב־URL שהשירות יכול לפתוח. תכננו מראש איך המוצר שלכם חושף את הקבצים האלה, למשל דרך קישור פרטי שפג תוקפו (Signed URL), ולא בקישור ציבורי שנשאר פתוח לתמיד.
בחרו פורמט פלט שמתאים למה שאתם בונים. קחו JSON אם התוכנה שלכם צריכה לעבד נתונים מובנים, SRT אם אתם מייצרים קובץ כתוביות, וטקסט רגיל אם רק צריך לקרוא, לחפש או להעביר את הטקסט למודל אחר. לא כל המודלים תומכים באותן יכולות כמו זיהוי דוברים או תרגום, אז הציצו בתיאור המודלים בקונסול.
מאיפה מתחילים?
היכנסו לקונסול ה־API בכתובת console.kolwrite.com. שם מחכים לכם המפתחות, נתוני השימוש והתיעוד. אם אתם עובדים עם סוכני קוד מבוססי AI, תמצאו בקונסול גם קישורים לקובץ הנחיות בטקסט רגיל שכדאי לתת לסוכן לקרוא לפני שהוא כותב קוד, לקובץ llms.txt של ה־API ולמפרט OpenAPI.
המחירים והמגבלות מופיעים במסוף עצמו ולא באתר של KolWrite, אז עברו עליהם שם לפני שאתם מתכננים עבודה בנפחים גדולים. תתחילו מבדיקה קטנה, ואת המפתח שמרו בהגדרות שלכם ולא בתוך הקוד.
אם אתם נעזרים בסוכן AI לכתיבת האינטגרציה, תנו לו את קובץ ההנחיות מהמסוף ואת מפרט ה־OpenAPI. כשהוא עובד מול התיעוד האמיתי, הוא יכתוב קוד הרבה יותר טוב מאשר כשהוא מסתמך על מה שהוא "זוכר" משירותים דומים.
איך עובדים עם חותמות זמן למילים?
חותמות זמן למילים מראות מתי בדיוק כל מילה מתחילה ונגמרת. איתן אפשר להציג כתוביות שרצות בקצב של הדובר, להדגיש בנגן את המילה שנאמרת עכשיו, לקפוץ מתוצאת חיפוש לשנייה המדויקת בהקלטה, או לחתוך קליפ מתוך ציטוט. בלי זמנים לכל מילה נשארים רק עם זמנים ברמת מקטע; זה מספיק כדי לקרוא תמלול, אבל גס מדי לכתוביות.
חלקו את המילים לשורות כתוביות לפי כללים משלכם לאורך שורה ולזמן תצוגה. כתובית ארוכה מדי או כזו שמתחלפת מהר מדי קשה לקריאה בכל שפה. אם אתם רוצים קובץ כתוביות מוכן מראש, בקשו פלט SRT ועברו עליו לפני הפרסום.
קחו בחשבון שהזמנים עלולים לסטות אם חותכים או מקודדים מחדש את קובץ המדיה אחרי התמלול. תמללו בדיוק את אותה גרסת קובץ שהצופים יראו, או שתעקבו אחרי היסט הזמנים (Offset).
איך עובדים עם תוויות דוברים?
תוויות דוברים הופכות גוש של טקסט לשיחה. בזכותן אפשר לסדר סיכומי פגישות לפי משתתף, למצוא את כל מה שאדם מסוים אמר, או לבנות תצוגה שנראית כמו צ'אט. התוויות מגיעות אנונימיות (למשל דובר 1 ודובר 2), אז המוצר שלכם יצטרך שלב שמחבר אותן לשמות אמיתיים, למשל לשאול את המשתמש מי זה מי.
התייחסו לתוויות הדוברים בתור הערכה טובה, לא קביעה ודאית. אנשים שמדברים אחד על השני, קולות דומים או מיקרופון יחיד בחדר יכולים לבלבל את הזיהוי. תנו למשתמשים דרך לתקן את השיוך לפני שהתמלול הופך לתיעוד רשמי.
איך בודקים לפני שעולים לאוויר?
בדקו עם האודיו הכי קשוח שהמשתמשים שלכם באמת ישלחו: חדר רועש, שיחת טלפון, מבטאים שונים, אנשים שנכנסים אחד לדברים של השני, והשפות או שילובי השפות שאתם תומכים בהם, כולל עברית וערבית, שבהן לתמיכה מהשורה הראשונה יש משמעות אמיתית. הכניסו לבדיקות גם שמות ומספרים מהתחום שלכם.
מדדו את מה שהמשתמשים חווים בפועל. כמה זמן עובר מההעלאה ועד שיש תוצאה שאפשר לעבוד איתה? כמה תיקונים צריך לעשות לפני שהטקסט מוכן לפרסום? מספר בודד של אחוז דיוק מסתיר את הפרטים האלה, וב־KolWrite לא מפרסמים מספר כזה. שמרו סט קטן וקבוע של קובצי בדיקה, והריצו אותם מחדש בכל פעם שאתם מחליפים מודל או משנים הגדרה.
החליטו מראש איך המוצר מתנהג כשמשהו נכשל. קובץ שאי אפשר לגשת אליו, תמלול שלוקח יותר זמן מהצפוי או תשובה ריקה הם דברים שקורים בשגרה. המשתמשים צריכים לראות הודעה ברורה ודרך פשוטה לנסות שוב.
איך מטפלים באבטחת מידע ובפרטיות?
שמרו את מפתחות ה־API בשרת שלכם בלבד, ואף פעם לא באפליקציית מובייל או בקוד של עמוד אינטרנט. אם יש חשש שמפתח דלף, החליפו אותו מיד, ותנו לכל סביבה מפתח נפרד כדי שסביבת בדיקות לא תוכל לגעת בנתוני הייצור (Production).
ספרו למשתמשים לאן האודיו שלהם נשלח; הקלטות הן מהמידע הרגיש ביותר שמוצר מחזיק. בעמוד האבטחה של KolWrite מפורט איך החברה עובדת: חיבורים מוצפנים, אחסון ב־AES-256, שרתים בגרמניה, רשימה שמית של ספקי ה־AI, ובלי אימון מודלים על תוכן של לקוחות. התאימו את הצהרת הפרטיות שלכם לאופן שבו הספק עובד, ומחקו קבצים ותוצאות כשאתם כבר לא צריכים אותם.
דאגו שמישהו יעבור על הטקסט לפני שמפרסמים אותו. תמלול אוטומטי עושה טעויות, ואינטגרציה שמפרסמת טקסט בלי עין אנושית תפרסם גם את הטעויות האלה.
שאלות שחוזרות
מה ה־API של KolWrite מחזיר?
מקטעים עם חותמות זמן ברמת מילה ותוויות דוברים, בפורמט JSON, טקסט רגיל או SRT. מודלים מסוג Oracle יודעים גם לתרגם.
אפשר לשלוח את קובץ האודיו ישירות?
ה־API מקבל כתובת URL של קובץ אודיו או וידאו. את המבנה המדויק של הבקשה אפשר לראות בתיעוד ב־console.kolwrite.com.
איפה רואים את המחירים והמגבלות?
בקונסול ה־API בכתובת console.kolwrite.com, לא באתר של KolWrite.
סוכן קוד מבוסס AI יכול לבנות את האינטגרציה?
כן. בקונסול יש הנחיות בטקסט רגיל, קובץ llms.txt ומפרט OpenAPI שהסוכן יכול לקרוא לפני כתיבת הקוד.
ה־API עובד בעברית ובערבית?
KolWrite מתמללת ב־100+ שפות, עם תמיכה מהשורה הראשונה בעברית ובערבית. בדקו עם הקלטות משלכם ועברו על הטקסט לפני פרסום.
