የባክ / የጥቅል ጥያቄየባክ / የጥቅል ጥያቄ

faster-whisper large-v3-turbo

Free.ai (self-hosted) · stt · ~500 ቶኮን minute

የድምፅ ወይም የቪዲዮ ፋይል አጣቅስ፣ ወይም URLን በታች አስቀምጥ

~500 ቶኮን minute

faster-whisper large-v3-turbo a የንግግር-ወደ-ጽሑፍ ሞዴል በ OpenAI / SYSTRAN የተገነባ ነው. በጣም ጠንካራ በ Accurate transcription. በ Free.ai GPUs ላይ ራስ-ተስተናገደ - በዕለት ተዕለት ቶኬን ፑልዎ ላይ ነፃ ይሰራል (500 ቶኬኖች በየቀኑ)። በ MIT ስር የተሰጠ - በ Free.ai ላይ የቢዝነስ ጥቅም የተፈቀደ

በመጠቀም ላይ

OpenAI-የተስማማ REST API. ቁልፍን ይፈጥሩ እና በዚህ ሞዴል በሁለት ሰከንዶች ውስጥ ይጥሩት

curl -X POST https://api.free.ai/v1/stt/ \
  -H "Authorization: Bearer sk-free-..." \
  -H "Content-Type: application/json" \
  -d '{"model":"whisper","audio_url":"https://..."}'
ማስረጃ የAPI ቁልፍ

ተመሳሳይ

ElevenLabs STT
Fal Speech-to-Text
Wizper (Whisper v3)
ሁሉንም መተላለፊያዎች →

ብዙ ጊዜ የሚጠየቁ ጥያቄዎች

faster-whisper large-v3-turbo የተናገረውን ድምፅ ወደ ጽሑፍ ይለውጣል. MP3, WAV, M4A, ወይም የቪዲዮ ፋይልን ይጫኑ እና faster-whisper large-v3-turbo ሙሉውን ድምፅ ተጨማሪ ምርጫ SRT / VTT ርዕሶች ጋር ጊዜ ምልክቶች ይመለሳል.

faster-whisper large-v3-turbo handles dozens of languages - Whisper-family models cover 90+, others vary. Pick "auto-detect" or specify the language for highest accuracy.

ቃል-ስህተት መጠን 5-10% በነጻ እንግሊዝኛ አዳራሽ ላይ, 10-20% በጩኸት ወይም accented አዳራሽ ላይ ነው. ትልቅ ልዩነቶች የአንድ አዳራሽ ትልቅ ልዩነቶች በከባድ ጉዳዮች ላይ ትርጉም ያለው የበለጠ ያደርጋሉ - አዳራሽ ከባድ ጊዜ ትልቅ ይምረጡ.

አዎ - ክፍል ሁሉ የመጀመርያ/መጨረሻ ጊዜ ምልክቶች አለው. እንደ SRT ወይም VTT ላኩ ጊዜያትም በቀጥታ ወደ ቪዲዮዎ ይለወጣሉ

faster-whisper large-v3-turbo በመጀመሪያ በዕለታዊ ነፃ ሶልዎ ላይ በግል GPUs ላይ ይሠራል; $5 → 200,000 የተከፈለ ቶኬኖች ከዚያ በኋላ. በ ~500 ቶኬኖች በአንድ ደቂቃ.

MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) - የድምፅ ፋይሎችን እናወጣለን። በአንድ ጊዜ 500 ሜባ ከፍለን እንጨምራለን። ረጅም ፋይሎችን? /audio/cut/ን በመለየት ወይም /v1/stt/batch/ን በመጠቀም እንለቅቃለን።

የተናጋሪው መዝገብ ቤት የተለየ መውጫ ነው - "diarize" በ / transcribe / ላይ ይጫኑ. faster-whisper large-v3-turbo መዝገብ ቤትን ይይዛል; መዝገብ ቤት ክፍል ሁሉ በተናጋሪ 1 / ተናጋሪ 2 / ወዘተ.

አዎ - /batch/ የድምፅ ፋይሎችን ዶሴ ይቀበላል. እያንዳንዱ መዝገብ ቤት በ /account/?tab=history ውስጥ በመጀመሪያው ፋይል ስም ይቀመጣል. ለፎልደር- ዛፍ ጥበቃ APIን ይጠቀሙ

አዎ - የድምፅ መልዕክትዎን ወደ /v1/stt/transcribe/ በሞዴል "faster-whisper large-v3-turbo" ይላኩ። በጽሑፍ + ክፍሎች + ቃል-ደረጃ timestamps JSON ይመለሳል. /api/ ሙሉውን ማመልከት አለው።

የራሳቸው የሆስቴል ሞዴሎች አዲሱን በGPUዎች ላይ ይይዛሉ፤ ፕሪሚየም በ DPA ውስጥ ይወጣል፤ አዲሱ ከጋራ መስኮት በኋላ (24h anon, 7d sign-in) ይጥፋል፤ በእርስዎ አቅርቦቶች ላይ አናስተምራም

አዎ - Free.ai የጽሑፍ መዝገበ ቃላትን የቢዝነስ ጥቅም ይሰጣል. ለኦዲዮ ፋይል መብቶች ያስፈልጋሉ (የራስዎ ማስመዝገብ፣ የሊስንስ ቁሳቁስ፣ ወይም የፍቃድ ይዘት)

የወቅቱ ሁኔታ 0.05-0.2× ነው - 60 ደቂቃ የፖድካስት 3-12 ደቂቃዎች ውስጥ ይጻፋል. የፕሪሚየም ሞዴሎች ብዙውን ጊዜ በፍጥነት ይጨርሳሉ. መክፈቻውን ለመክፈት የፍለጋውን ቁልፍ ይጠቀሙ.

Free.aiን ይወዳሉ?

ይህ ገጽ