Distil-Whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 ഒരു സന്ദേശത്തിനും അടയാളങ്ങള് നല്കുക minute
_ഫോള്ഡറുകള് നിര്മ്മിച്ച _ഫോള്ഡറുകള് _fE_ference_parent_play_password-ല് ഏറ്റവും ശക്തം Free.ai GPUs-ല് സ്വയം-ഹോസ്റ്റ് ചെയ്തിരിക്കുന്നു — നിങ്ങളുടെ ദിവസേനയുള്ള ടോക്കണ് പൗളിനെതിരെ സ്വതന്ത്രമായി പ്രവര്ത്തിക്കുന്നു (500 ടോക്കണ്സ് ഒരു മിനിറ്റ്). Free.ai - ലാണ് വാണിജ്യ ഉപയോഗം അനുവദിക്കുന്നത്.
_API വഴി ഉപയോഗിക്കുക
ഓപ്പണ്AI- യോജിപ്പുള്ള റേസ്റ്റ് API. ഒരു കീ നിര്മ്മിക്കുക, ഈ മോഡലിനെ സെക്കന്ഡുകളില് തന്നെ വിളിക്കുക.
curl -X POST https://api.free.ai/v1/stt/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"distil-whisper-large-v3","audio_url":"https://..."}'പലപ്പോഴും ചോദിക്കപ്പെടുന്ന ചോദ്യങ്ങൾ
ടെക്സ്റ്റില് സംസാരിക്കുന്ന ശബ്ദങ്ങള് _FE_ FREI_ PHA_ PHS_ PATS ശബ്ദങ്ങള്. ഒരു MP3, WAV, M4A അല്ലെങ്കില് വീഡിയോ ഫയല്, _FEA_PE_ PHI__ PHS__PES_PE ആവര്ത്തനത്തോടൊപ്പം പൂര്ണ്ണമായ SRT/VT ఉపചയങ്ങള് നല്കുന്നു.
ഡബിള് ഭാഷകള് കൈകാര്യം ചെയ്യുന്ന_ഫോള്_ഫ്രീ_പിഎം_എം_എംഎല്_എംഎല്_എംഎല്_എംഎല് മാലകള് മറയ്ക്കുന്നു, മറ്റു ചിലവ ~_8_80_8_825, മറ്റും വ്യത്യാസപ്പെടുന്നു. "auto-deget" തെരഞ്ഞെടുക്കുകയോ, അല്ലെങ്കില് ഏറ്റവും കൃത്യതയുളള ഭാഷ വ്യക്തമാക്കുകയോ ചെയ്യുക.
വാക്ടറിങ് റേറ്റ് 510%, ക്ലീന് ഇംഗ്ലീഷ് ഓഡിയോയില്, ശബ്ദത്തിന്റെയോ ശബ്ദത്തിന്റെയോ അല്ലെങ്കില് 10000% ആണ്. ഒരേ കെട്ടിടസഞ്ചാരത്തിന്റെ വലിയ വ്യതിയാനങ്ങള് അര്ത്ഥപൂര്വ്വമായി പ്രവര്ത്തിക്കുന്നു. ഓഡിയോ കടുപ്പുള്ളപ്പോള്, കൂടുതല് വലുത് എടുക്കുന്നു.
അതെ, ഓരോ ഭാഗവും തുടങ്ങുക/ തുടങ്ങുക. SRT അല്ലെങ്കില് VTT എന്നോ കാലോപകരണം നിങ്ങളുടെ വീഡിയോയില് നേരിട്ട് ലഭ്യമാക്കുക.
_FreE_ PHA_ PHE_ PHSE_ PHP ല് നിങ്ങളുടെ ദൈര്ഘ്യമില്ലാത്ത കുളത്തിനു നേരെയാണ് ആദ്യം ഞങ്ങളുടെ GPUS-ല് പ്രവര്ത്തിക്കുന്നത്; 5,00,000 രൂപകള് അതിനു ശേഷം 1000 അടയാളങ്ങള് നല്കിയിട്ടുണ്ട്. ഒരു മിനിറ്റില് ഏകദേശം 1000 അടയാളങ്ങള്.
MP3, WAV, MAG, FLAC, OGG, പ്ലേഡ് വീഡിയോ (എംപി4, MOV, വെബ് എം. സി. എം. ഡി. എം. ഡി. എം. വി. എം. എം. ഡി. വിന്സ്റ്റൊ/ വി. // v1/batch/ ഉപയോഗിയ്ക്കുക അല്ലെങ്കില് ഉപയോഗിക്കുക.
ശബ്ദകര്ത്താവ് വ്യത്യസ്തമായ ഒരു പാസ് — /tranchand/ on. FREI_ PHI_ PHS_ PHIME_ PHS; ഓരോ ഭാഗത്തേയും സ്പീക്കര് 1 / 2.
— ഒരു ഓഡിയോ ഫയലുകളുടെ ഫോള്ഡര് സ്വീകരിക്കുക/ സ്വീകരിക്കുക. /acam- ല് ഓരോ prefix രാജ്യങ്ങളും /capt=മുന്കൂട്ടിയുള്ള യഥാര്ത്ഥ ഫയല്നാമവുമായി ബന്ധപ്പെട്ടതാണ്. അറ- വൃക്ഷം സംരക്ഷിക്കുന്നതിനായി API ഉപയോഗിയ്ക്കുന്നു.
- നിങ്ങളുടെ ഓഡിയോയില് മാതൃകാ=fEI_ PHI_ PATH_BAR_പൂര്ണ്ണമായ അടയാളമുണ്ടു്. /api/i
GPUS-ല് സ്വയമേയ മോഡല്സ് ഓഡിയോ സൂക്ഷിക്കുന്നു; ഒരു DPA വഴി ഒരു DPA വഴി കടന്നു പോകുന്നു. ഒരു വിതരണ-അന്വേഷണത്തിനു ശേഷം (24hon-7d-ഇന്-ഇന്) ഓഡിയോ നീക്കം ചെയ്യപ്പെടുന്നു. ഞങ്ങള് നിങ്ങളുടെ ഇന്പുട്ടുകളില് പരിശീലനം നടത്തുന്നില്ല.
അതേ, Free.ai - ത്തോളം പേർക്ക് റെക്കോർഡ് ചെയ്തിരിക്കുന്ന ഓഡിയോ - യുടെ (നിങ്ങളുടെ സ്വന്തം റെക്കോർഡ്, ലൈസന്സ് ചെയ്തിരിക്കുന്ന വിവരങ്ങൾ അല്ലെങ്കിൽ സമ്മതത്തോടെ) വാണിജ്യ സാങ്കേതിക വിദ്യകൾ ലഭ്യമാണ്.
യഥാര്ത്ഥ- സമയം ആവശ്യത്തിനു് 0.05- 02× ആണ്. — 3-12 മിനുട്ടില് 60-മിനിട പോസ്റ്റ് ട്രാന് ബോര്ഡുകള്. പ്രീമിയം മോഡല്സ് പലപ്പോഴും വേഗത്തില് പൂര്ത്തിയാക്കുന്നു. റെയിം ബട്ടണ് ടാബ് അടയ്ക്കാന് ഉപയോഗിയ്ക്കുക.