ElevenLabs STT
Free.ai
·
stt
·
~500 សញ្ញាសម្គាល់ក្នុងមួយ minute
ElevenLabs STT គឺ a ម៉ូដែលនិយាយទៅអត្ថបទ ។ ផ្លូវតាមរយៈម៉ូដែលខាងក្រៅ - ~500 សញ្ញា នាទី (50% តម្លៃលើតម្លៃឡើង) ។
ប្រើតាម API
OpenAI- ឆបគ្នា REST API ។ បង្កើតកូនសោ និងហៅម៉ូដែលនេះក្នុងវិនាទី ។
curl -X POST https://api.free.ai/v1/stt/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"premium/elevenlabs/speech-to-text","audio_url":"https://..."}'សំណួរដែលសួរញឹកញាប់
ElevenLabs STT បកប្រែសំឡេងនិយាយទៅជាអត្ថបទ. ផ្ទុកឡើង MP3, WAV, M4A, ឬឯកសារវីដេអូនិង ElevenLabs STT ត្រឡប់មកវិញការបកប្រែពេញលេញបន្ថែមទៀត SRT / VTT ចំណងជើងជាជម្រើសជាមួយ timestamp.
ElevenLabs STT handles dozens of languages - Whisper-family models cover 90+, others vary. Pick "auto-detect" or specify the language for highest accuracy.
អត្រាកំហុសពាក្យគឺ ៥- ១០% លើអូឌីយ៉ូអង់គ្លេសស្អាត 10- 20% លើអូឌីយ៉ូមានសំឡេងរំខាន ឬ accented ។ កំណែធំនៃស្ថាបត្យកម្មដូចគ្នាធ្វើឱ្យមានន័យល្អប្រសើរលើករណីធ្ងន់ធ្ងរ - ជ្រើសធំជាងពេលអូឌីយ៉ូគឺក្រាស់ ។
បាទ - គ្រប់ផ្នែករួមបញ្ចូលចាប់ផ្ដើម/ បញ្ចប់ពេលវេលាសម្គាល់ ។ នាំចេញជា SRT ឬ VTT និងផែនទីពេលវេលាដោយផ្ទាល់ទៅលើវីដេអូរបស់អ្នក ។
ElevenLabs STT គឺជាម៉ាស៊ីនបកប្រែប្រាក់រង្វាន់. អំពី ~ 500-1,500 សញ្ញាក្នុងមួយនាទីនៃសំឡេង, បានបង្ហាញជាបន្តផ្ទាល់មុនពេលអ្នកបង្កើត. និពន្ធដោយខ្លួនឯងបានរៀបចំរត់ដោយឥតគិតថ្លៃនៅលើរបស់អ្នក 30,000 សញ្ញាប្រចាំថ្ងៃ; ម៉ូដែលប្រាក់រង្វាន់គឺបង់ប្រាក់-ដូច-អ្នក-ទៅ, ជាមួយនឹងការបន្ថែមពី $1.
MP3, WAV, M4A, FLAC, OGG, បន្ថែមពីលើវីដេអូ (MP4, MOV, WebM) - យើងដកស្រង់អូឌីយ៉ូ។ អតិបរមា 500 មេកាបៃក្នុងមួយការផ្ទុកឡើង។ ឯកសារយូរជាងនេះ? ចែកជា /audio/cut/ ឬប្រើ /v1/stt/batch/ ។
កម្មវិធីសរសេរសំបុត្ររបស់អ្នកនិយាយគឺជាការឆ្លងកាត់ដាច់ដោយឡែក — បិទបើក "diarize" នៅលើ / transcribe / ។ ElevenLabs STT គ្រប់គ្រងការសរសេរសំបុត្រឡើងវិញ; កម្មវិធីសរសេរសំបុត្រដាក់ស្លាកផ្នែកនីមួយៗជាមួយអ្នកនិយាយ 1 / អ្នកនិយាយ2/ ល ។
បាទ/ ចាស - / batch / ទទួលយកថតឯកសារអូឌីយ៉ូ ។ អត្ថបទសរសេរនីមួយៗត្រូវបានដាក់ក្នុង / account /? tab=history ជាមួយឈ្មោះឯកសារដើម ។ សម្រាប់ការរក្សាទុកថតមែកធាងប្រើ API ។
បាទ - POST អូឌីយ៉ូរបស់អ្នកទៅ /v1/stt/transcribe/ ជាមួយ model="ElevenLabs STT" ។ ត្រឡប់ JSON ជាមួយអត្ថបទ + ផ្នែក + សញ្ញាពេលវេលាកម្រិតពាក្យ ។ /api/ មានសេចក្ដីយោងពេញលេញ ។
ម៉ូដែលដែលរៀបចំដោយខ្លួនឯងរក្សាអូឌីយ៉ូនៅលើ GPUs របស់យើង; ប្រាក់រង្វាន់ឆ្លងកាត់តាមរយៈជាមួយ DPA ។ អូឌីយ៉ូត្រូវបានលុបបន្ទាប់ពីបង្អួចចែករំលែក (24h anon, 7d ចុះឈ្មោះចូល) ។ យើងមិនបណ្តុះបណ្តាលលើការបញ្ចូលរបស់អ្នកទេ។
បាទ - Free.ai ផ្តល់ការប្រើពាណិជ្ជកម្មនៃ transcripts. អ្នកត្រូវការសិទ្ធិទៅអូឌីយ៉ូដែលអ្នកបានផ្ទុកឡើង (ការថតផ្ទាល់ខ្លួនរបស់អ្នក, អាជ្ញាប័ណ្ណសម្ភារៈឬមាតិកាជាមួយការយល់ព្រម) ។
កត្តាពេលវេលាពិតប្រាកដគឺប្រហែល 0.05-0.2 × - ផតខាស់ 60 នាទីសរសេរក្នុង 3-12 នាទី។ ម៉ូដែល premium តែងតែបញ្ចប់លឿនជាង។ ប្រើប៊ូតុងជួរដើម្បីបិទផ្ទាំង។