Klik på logoet for at åbne appen i UCloud.
Omdan lyd og video til tekst på få minutter. Ideel til interviews, undervisning, møder og forskningsdata.
Kører sikkert i SDU’s datacenter under institutionelle databehandleraftaler — i modsætning til mange kommercielle transskriptionstjenester bliver dine data ikke brugt til at træne eksterne AI-modeller.
Anbefalede ressourcer
Når du indsender et Transcriber-job, anbefaler vi at bruge maskintypen gpu-nvidia-b200-1-mig.1g.
I vores benchmark behandlede 1 MIG et interview på 57 min. og 48 sek. på 7 min. og 20 sek., mens et job med 8 CPU-kerner tog omkring 1 time og 40 min. for den samme fil. Da behandlingstiden kan variere afhængigt af filtype, lydkvalitet og indstillinger, bruger vi et konservativt estimat på 10 minutters behandlingstid pr. 1 times lyd på en maskine med 1 MIG.
Som et groft planlægningsestimat kan du bruge:
| Maskintype | Estimat |
|---|---|
| gpu-nvidia-b200-1-mig.1g | 0.03 GPU-timer pr. lydtime |
| cpu-amd-zen5-8-vcpu | 15–20 CPU Beregningstimer pr. lydtime |
Da GPU-timer skal ansøges om i hele tal, skal du bruge tabellen nedenfor, når du ansøger om ressourcer:
| Samlet antal lyd-/interviewtimer | GPU-timer, der skal anmodes om |
|---|---|
| 1–33 Timer | 1 GPU-time |
| 34–66 Timer | 2 GPU-timer |
| 67–99 Timer | 3 GPU-timer |
| 100–132 Timer | 4 GPU-timer |
Vigtige bemærkninger
Til CPU-jobs skal du bruge mindst 8 kerner og omkring 24 GB hukommelse, for eksempel cpu-amd-zen5-8-vcpu, for at reducere risikoen for, at processen fryser eller løber tør for hukommelse. I vores benchmark lå RAM-forbruget på omkring 8,5 GB gennem hele processen.
Til GPU-jobs anbefales en maskine med 1 MIG (dvs. gpu-nvidia-b200-1-mig.1g). Den giver allerede hurtig transskription og tilstrækkelig GPU-hukommelse, så der er ingen grund til at bruge maskiner med 2 MIG (dvs. gpu-nvidia-b200-2-mig.1g) eller en hel GPU til Transcriber-jobs
Brug så vidt muligt Batch-versionen for at undgå ressourcespild, da jobbet stopper automatisk, når transskriptionen er færdig. Hvis du bruger Default-versionen, skal du klikke på “Vis indstillinger” og aktivere “Transskriber og stop”, før du starter transskriptionen.
Når jobbet er afsluttet, kan transskriptionsresultatet hentes fra UCloud-jobsiden. Vælg det relevante projektarbejdsområde og derefter dit afsluttede job. Find outputsektionen nær bunden af siden under “Dit job er afsluttet”. Resultatet kan også findes i dine UCloud-filer.
