V2 · پوری ریکارڈنگ کا تجزیہ
ہر کال پر 1 API درخواستV2 پہلے جانچتا ہے کہ ریکارڈنگ میں انسانی تقریر موجود ہے یا نہیں، پھر پوری ریکارڈنگ کی درجہ بندی کے لیے ECAPA-TDNN وائس ماڈل استعمال کرتا ہے۔ یہ ایک بولنے والے کی ریکارڈنگ کے لیے موزوں ہے۔ multipart/form-data درخواست کے file فیلڈ میں ایک آڈیو فائل بھیجیں۔
V1 کے بجائے V2 کیوں منتخب کریں؟ V1 کا پرانا ماڈل خاموشی، موسیقی یا شور میں بھی ہمیشہ male یا female بتاتا ہے۔ V2 تقریر کی جانچ کرتا ہے اور تقریر نہ ملنے پر اندازہ لگانے کے بجائے unknown واپس کرتا ہے۔ یہ ECAPA-TDNN بھی استعمال کرتا ہے، جو وقت کے ساتھ آواز کی خصوصیات کا تجزیہ کرتا ہے؛ backend کے آزمائشی آوازوں کے موازنے میں یہ V1 ماڈل سے زیادہ درست تھا۔ V2 کلپ کی تمام آوازوں کو ملا کر دیکھتا ہے، اس لیے متعدد بولنے والوں کی ریکارڈنگ کے لیے V3 منتخب کریں۔
Endpoint
POST /v1/voice-gender-recognition/api/v2کامیاب جواب میں gender کی قدر male، female یا unknown ہوتی ہے، confidence فیصد میں اور remainingRequests بھی شامل ہوتے ہیں۔ gender unknown ہونے پر وجہ بتانے والا message بھی شامل ہوتا ہے۔
انسانی تقریر نہ ملنے پر unknown واپس ہوتا ہے۔ یہ کامیاب جواب ہے، API کی خرابی نہیں۔
cURL درخواست
curl -X POST 'https://api.genderrecognition.com/v1/voice-gender-recognition/api/v2' \ -H 'apiKey: YOUR_API_KEY' \ -F 'file=@/path/to/recording.wav'
جنس کی شناخت ہونے پر جواب کی مثال
{
"success": true,
"gender": "female",
"confidence": 92,
"remainingRequests": 119
}جنس نامعلوم ہونے پر جواب کی مثال
{
"success": true,
"gender": "unknown",
"confidence": 0,
"message": "No clear speech was detected in the audio, so the gender could not be determined.",
"remainingRequests": 119
}