
در این مقاله
Scribe v3 مدل تبدیل گفتار به متن ElevenLabs برای فایل ضبطشده است و Scribe v3 Live مسیر بلادرنگ این خانواده را هدف میگیرد. برای ساخت یک بات تلگرام، معمولاً مسئله اول مهمتر است: کاربر ویس را ضبط میکند، فایل میرسد، متن استخراج میشود و سپس دستیار پاسخ میدهد. این زنجیره با مکالمه صوتی زنده تفاوت دارد و میتوان آن را مرحلهبهمرحله ساخت، آزمود و روی سرور منتشر کرد.
در این آموزش، یک معماری پیشنهادی برای دریافت ویس، رونویسی، تولید پاسخ با API هوش مصنوعی پاستا و میزبانی بات میسازیم. در بررسی ۱۲ نوامبر ۲۰۲۶، Scribe v3 در کاتالوگ فعال پاستا یافت نشد؛ بنابراین نمونه Scribe از کلید ElevenLabs استفاده میکند. مسیر رونویسی موجود پاستا را هم جدا معرفی میکنیم تا بتوانید وابستگیها و هزینهها را آگاهانه انتخاب کنید.
Scribe v3 و Live را کجا استفاده کنیم؟
ElevenLabs این دو مدل را در معرفی ۱۰ نوامبر ۲۰۲۶ برای صدای ضبطشده و بلادرنگ معرفی کرده است. تشخیص گوینده و کیفیت متن از موضوعهای اصلی معرفیاند. ادعاهای دقت شرکت را نباید بدون آزمون به صدای فارسی، لهجه کاربر یا شرایط مرکز تماس خود تعمیم داد. تنظیمات مدل و قرارداد روز را از مستندات همان نسخه بگیرید.
اگر ورودی شما ویس تلگرام است، کاربر پیش از ارسال ضبط را تمام کرده است. استفاده از یک سرویس رونویسی فایل و صف پردازش اغلب مسیر سادهتری برای شروع است. اگر هدف تماس تلفنی یا گفتوگوی پیوسته است، علاوه بر مدل به انتقال صوت، مدیریت نوبت، قطع صحبت و بازیابی اتصال هم نیاز دارید. اینها قابلیتهایی جدا از پاسخ متنی مدلاند.
طرح کلی بات صوتی
زنجیره پیشنهادی ما پنج مرحله دارد: دریافت بهروزرسانی تلگرام، گرفتن فایل مجاز، رونویسی، تولید پاسخ و ارسال نتیجه. برای هر مرحله وضعیت مستقل ثبت کنید. اگر رونویسی تمام شد اما تولید پاسخ شکست خورد، لازم نیست دوباره فایل را برای رونویسی بفرستید. نگهداشتن شناسه کار و نتیجه مرحله قبل از هزینه و تلاش تکراری جلوگیری میکند.
در شروع، پاسخ را متنی بفرستید. تبدیل پاسخ به صدا را پس از تثبیت کیفیت و هزینه اضافه کنید. این انتخاب آزمون خطاها را سادهتر میکند؛ وقتی کاربر پاسخ نامناسب میگیرد، میتوانید بفهمید مشکل از متن استخراجشده بوده یا استدلال مدل. رونویسی، خلاصهسازی و ساخت صوت باید در گزارش مصرف سه مرحله قابل تفکیک باشند.
قدم اول: بات و وبهوک معتبر بسازید
بات را از مسیر رسمی آموزش Telegram Bots بسازید و توکنش را فقط روی سرور نگه دارید. برای وبهوک از HTTPS و روش تأیید درخواست مستند تلگرام استفاده کنید. شناسه چت را از همان بهروزرسانی معتبر بگیرید؛ اجازه ندهید کاربر با فرستادن یک شناسه دلخواه، نتیجه پردازش کاربر دیگری را دریافت کند.
وبهوک نباید تا پایان تماس با مدل باز بماند. بهروزرسانی معتبر را ثبت کنید، کار پردازش را با شناسه یکتا در صف بگذارید و پاسخ سریع بدهید. دریافت دوباره همان update نباید کار جدید یا هزینه جدید ایجاد کند. برای نسخه آزمایشی، ثبت وضعیت در پایگاه داده میتواند کافی باشد؛ پیش از اضافهکردن ابزارهای متعدد، نیاز واقعی صف را مشخص کنید.
قدم دوم: فایل صوتی را با محدودیت بگیرید
فایل را از مسیر رسمی تلگرام و با file_id معتبر همان رویداد دریافت کنید. هر نشانی دلخواه ارسالی کاربر را از سرور دانلود نکنید. برای مدت، اندازه، تعداد کار همزمان و زمان انتظار سقف بگذارید. پسوند بهتنهایی قالب واقعی فایل را ثابت نمیکند؛ ورودی خراب باید بدون ارسال به سرویس پولی رد شود.
فایل موقت را با نام تصادفی و مجوز محدود نگه دارید و پس از پایان دوره نگهداری مشخص حذف کنید. مسیر فایل و توکن تلگرام نباید وارد لاگ عمومی شوند. پیش از ذخیره طولانیمدت صدا، رضایت و هدف نگهداری را روشن کنید. داشتن شناسه کار برای پیگیری معمولاً ضروریتر از نگهداشتن دائمی صدای کامل همه کاربران است.







نظرات کاربران (۰)
هنوز نظری ثبت نشده است. اولین نفر باشید.