ElevenLabs STT
Free.ai
·
stt
·
~500 प्रति टोकन minute
ElevenLabs STT a भाषण-बाट-पाठ नमूना हो । बाह्य मोडेल मार्फत मार्ग — ~ 500 टोकन प्रति मिनेट (50% माथि अपस्ट्रिम लागत मा मार्कअप).
API मार्फत प्रयोग गर्नुहोस्
OpenAI-संगत REST API। एक कुञ्जी उत्पन्न गर्नुहोस् र सेकेन्डमा यो नमूना कल गर्नुहोस्।
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://..."}'प्राय सोधिने प्रश्न
ElevenLabs STT पाठमा बोलेको अडियो transcribes। एक MP3 अपलोड, WAV, M4A, वा भिडियो फाइल र ElevenLabs STT timestamps संग पूर्ण transcript प्लस वैकल्पिक SRT / VTT उपशीर्षक फिर्ता।
ElevenLabs STT handles dozens of languages - Whisper-family models cover 90+, others vary. Pick "auto-detect" or specify the language for highest accuracy.
शब्द-त्रुटि दर सफा अंग्रेजी अडियो मा 5-10% छ, 10-20% हल्ला वा accented अडियो मा। एउटै वास्तुकला को ठूलो प्रकार्यहरू हार्ड केसहरूमा अर्थपूर्ण राम्रो गर्छ - अडियो कच्चा छ जब ठूलो चयन।
हो - हरेक खण्डमा सुरु/अन्त समय चिन्ह समावेश छ । SRT वा VTT को रूपमा निर्यात गर्नुहोस् र समय मानचित्र तपाईँको भिडियोमा सीधा गर्नुहोस् ।
ElevenLabs STT एक प्रिमियम अनुवाद इन्जिन छ। बारेमा ~ 500-1,500 अडियो प्रति मिनेट टोकन, तपाईं सिर्जना अघि प्रत्यक्ष देखाइएको। आत्म-होस्ट गरिएको अनुवाद आफ्नो 30,000-टोकन दैनिक पूल मा निःशुल्क चल्छ; प्रिमियम मोडेलहरू भुक्तानी-जस्तै-तपाईं-जानुहोस् छन्, $1 देखि शीर्ष-अप संग।
MP3, WAV, M4A, FLAC, OGG, प्लस भिडियो (MP4, MOV, WebM) - हामी अडियो निकाल्छौं। प्रति अपलोड अधिकतम 500 मेगाबाइट। लामो फाइलहरू? /अडियो/कट/ वा /v1/stt/batch/ प्रयोग गरेर विभाजन गर्नुहोस्।
वक्ता diarization एक अलग पास छ - टगल "diarize" मा / transcribe /. ElevenLabs STT transcription ह्यान्डल; diarization वक्ता १ / वक्ता २ / आदि प्रत्येक खण्ड लेबल
हो - /batch/ ले अडियो फाइलको फोल्डर स्वीकार गर्दछ । प्रत्येक प्रतिलिपि मौलिक फाइलनामसँग /account/?tab=history मा पुग्छ । फोल्डर-ट्री संरक्षणका लागि API प्रयोग गर्नुहोस् ।
हो - /v1/stt/transcribe/ मा तपाईँको अडियो POST गर्नुहोस्, मोडल="ElevenLabs STT" सँग । पाठ + खण्ड + शब्द-स्तर समय स्ट्याम्पहरूसँग JSON फर्काउँछ । /api/ मा पूर्ण सन्दर्भ छ ।
आत्म-होस्ट मोडेल हाम्रो GPUs मा अडियो राख्न; प्रिमियम एक DPA संग मार्फत पास. अडियो साझेदारी-सञ्झ्याल पछि मेटिएको छ (24h anointed, 7d साइन-इन). हामी आफ्नो आगत मा प्रशिक्षण छैन.
हो - Free.ai transcripts को व्यावसायिक प्रयोग grants। तपाईं अपलोड अडियो अधिकार आवश्यक (तपाईंको आफ्नै रेकर्ड, लाइसेन्स सामाग्री, वा सहमति सामग्री)।
वास्तविक समय कारक लगभग 0.05-0.2 × हो - एक 60-मिनेट पोडकास्ट 3-12 मिनेटमा transcribes। प्रिमियम मोडेल अक्सर छिटो समाप्त। ट्याब बन्द गर्न लाम बटन प्रयोग गर्नुहोस्।