ElevenLabs STT
Free.ai
·
stt
·
~500 žetonai minute
ElevenLabs STT yra a kalbos modelis. Maršrutizuojama per išorės modelius - ~500 tolens per minutę (50% markės per pirmesnius kaštus).
Naudoti per API
Suderinama su OpenAI REST API. Generuokite raktą ir paskambinkite šiam modeliui per kelias sekundes.
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://..."}'Dažnai užduodami klausimai
ElevenLabs STT transcribes spoken audio into text. Upload an MP3, WAV, M4A, or video file and ElevenLabs STT returns the full transcript plus optional SRT/VTT subtitles with timestamps.
ElevenLabs STT handles dozens of languages - Whisper-family models cover 90+, others vary. Pick "auto-detect" or specify the language for highest accuracy.
Žodžių klaidų lygis yra 5-10% švaraus anglų garso, 10-20% garsiai ar akcentuotas garso. Dideli variantai tos pačios architektūros daro prasmingai geriau kietais atvejais - pasirinkti didesnis, kai garso yra grubus.
Taip - kiekvienas segmentas apima pradžios/galutinės žymes. Eksportuoti kaip SRT ar VTT ir laiko žemėlapį tiesiai į savo vaizdo įrašą.
ElevenLabs STT yra aukščiausios klasės transkripcijos variklis. Apie ~500-1,500 žetonų per minutę garso, rodomas gyvai prieš generuojant. Savarankiškai transkripcija veikia nemokamai savo 30,000-token dienos baseinas; premium modeliai mokamas kaip jums-go, su papildomų-ups nuo $ 1.
MP3, WAV, M4A, FLAC, OGG, plius video (MP4, MOV, WebM) - mes ištraukiame garso. Maks. 500 MB vienam įkelimui. Ilgesni failai? Split with /audio/cut/ or use /v1/stt/partch/.
Garsiakalbio diarizacija yra atskiras leidimas - įjungti "dializuoti" /trantracter/. ElevenLabs STT tvarko transkripciją; Diarizavimo etiketes kiekviename segmente su Garsiakalbiu 1 / Garsiakalbiu 2 / ir tt
Taip - /partch/ priima aplanką garso failų. Kiekvienas stenogramos failas / paskyra /?tab=istorija su originalu failo pavadinimu. Aplanko- eilės išsaugojimui naudoti API.
Taip - Padėkite garso įrašą /v1/stt/tractor/ su modeliu="ElevenLabs STT". Grįžta JSON su tekstu + segmentai + žodžio lygio žymos. /api/ turi visą nuorodą.
Savarankiškai priimti modeliai išlaikyti garso mūsų GPU; premija perduoti per su DPA. Audio yra ištrinta po akcijų akcijų-window (24h anon, 7d prisijungė). Mes ne mokyti jūsų įėjimai.
Taip - Free.ai suteikia komercinį transkriptų naudojimą. Jums reikia teisių į įkeltą garsą (savo įrašymo, licencijuotos medžiagos ar turinio su sutikimu).
Realaus laiko faktorius yra maždaug 0,05-0,2× - 60 minučių podcast transliuoja per 3-12 minučių. Premium modeliai dažnai baigiasi greičiau. Naudokite eilės mygtuką uždaryti kortelę.