ElevenLabs STT
Free.ai
·
stt
·
~500 ഒരു സന്ദേശത്തിനും അടയാളങ്ങള് നല്കുക minute
_ഫോള്ഡറുകള് ബാഹ്യമായ മോഡലുകള് വഴി രഹസ്യമാക്കി — ~500 ചിഹ്നങ്ങള് ഒരു മിനിറ്റ് (50% ല് കൂടുതല് വിലയ്ക്കു് മുകളില് മാര്ക്ക് ചെയ്യുക).
_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":"premium/elevenlabs/speech-to-text","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.
ElevenLabs STT ഒരു അപ്രതീക്ഷിതമായ എഞ്ചിന് ആണ്. ഒരു മിനിറ്റില് ഒരു മിനിറ്റില്, നിങ്ങള് നിര്മ്മാണത്തിനു മുന്പ് കാണിച്ചിരിക്കുന്ന, ഒരു റേഡിയന്റ് 1,500 ചിഹ്നങ്ങള്. സ്വയം ഹോസ്റ്റര്ഡ്-ടൈന് ദൈനം ദിന- 30,000-ടന് കുളത്തില് സ്വതന്ത്രമായി പ്രവര്ത്തിക്കുന്നു.
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.