Infraestrutura de processamento de voz de classe empresarial
O CapsWriter-Offline adota uma arquitetura dividida entre cliente e servidor, o que o torna a primeira solução de transcrição off-line a oferecer suporte à implementação centralizada entre plataformas, com os usuários do Windows executando a versão integrada de forma autônoma e os usuários do MacOS/Linux trabalhando juntos em vários terminais, conectando-se ao servidor por meio de uma LAN. A arquitetura foi projetada especificamente para ambientes corporativos com um programa cliente de 32 bits, permitindo que dispositivos mais antigos se conectem a servidores de transcrição de alto desempenho e formem redes de computação heterogêneas.
A implantação do sistema mostra três recursos técnicos principais: serviço central de plataforma cruzada baseado em Python 3.8-3.10, o carregamento do modelo leva apenas 50 segundos; a ocupação da memória é controlada dentro de 2 GB, suportando o processamento simultâneo de vários fluxos de fala; a eficiência da transmissão de dados é garantida pelo protocolo protobuf. Os dados de teste de uma empresa multinacional mostram que a implementação de um cluster de servidores de 10 nós pode dar suporte a 200 funcionários para realizar a entrada de voz ao mesmo tempo, e a latência de reconhecimento é mantida em 800 ms, o que atende plenamente às necessidades comerciais de ditado em tempo real de atas de reuniões.
Essa resposta foi extraída do artigoCapsWriter-Offline: ferramenta de entrada de fala e transcrição de legendas para PCO
