faster-whisper large-v3
Free.ai (self-hosted)
·
stt
·
~500 ಇದಕ್ಕಾಗಿನ ಸೂಚಕಗಳು minute
ಫಾರ್ಮ್ನಲ್ಲಿ(_F)_FE_ FALE_ FAYS_ FALE_ FALESYS_FESYS_VE_FALESYS [FAROXY] ನೊಂದಿಗೆ ವಿನ್ಯಾಸಿಸಲಾದ ಮೌಲ್ಯ சிறந்த_ಕಡತದಲ್ಲಿ ಅತಿ ಬಲಿಷ್ಠವಾದ_ಫೈಲಿಸ್ಟ್(_f)_preferencevice_places. Self-hosted on Free.ai GPUs — runs free against your daily token pool (500 tokens ನಿಮಿಷಕ್ಕೆ). Free.ai ರಲ್ಲಿ, ವಾಣಿಜ್ಯ ವ್ಯವಹಾರವು ಅನುಮತಿಸಲ್ಪಟ್ಟಿದೆ. (_F)
API ಮೂಲಕ ಬಳಸು
OpIA- ಹೊಂದಿಕೆಯುಳ್ಳ RAPI. ಒಂದು ಕೀಲಿಯನ್ನು ನಿರ್ಮಿಸಿ ನಂತರ ಈ ಮಾದರಿಯನ್ನು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಕರೆಯಿರಿ.
curl -X POST https://api.free.ai/v1/stt/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"faster-whisper-large-v3","audio_url":"https://..."}'ಇದೇ ರೀತಿಯ ಮಾದರಿಗಳು
ಅನೇಕವೇಳೆ ಪ್ರಶ್ನೆಗಳು
ಆಡಲಾದ ಧ್ವನಿಗಳನ್ನು ಪಠ್ಯದಲ್ಲಿ ಲೋಡ್ ಮಾಡು (_F) MP3, WAV, M4A ಅಥವ ವಿಡಿಯೋ ಕಡತ ಹಾಗು _FE_PE_ PHOXY_PE_PHSE ಹಾಗು SRT/VTS ಉಪಶೀರ್ಷಿಕೆಗಳೊಂದಿಗೆ ಮರಳಿಸುತ್ತದೆ.
ಗಣಿತ ಭಾಷೆಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ (_F)_FE_ PHA_ PHOXY — 90+_TRE_TRA_ THE_ THE_MA_ CHATIM ಮಾದರಿಗಳು ಮುಚ್ಚಲ್ಪಡುತ್ತವೆ, ಇತರೆವು, "ಸ್ವಯಸ್వಯವಾಗಿ-ಕೊಳಪಡಿಸು" ನ್ನು ಆಯ್ಕೆ ಮಾಡಿ ಅಥವಾ ಭಾಷೆಯನ್ನು ಅತಿ ನಿಷ್ಕೃಷ್ಟವಾಗಿ ಸೂಚಿಸು.
Word-error ದರ 510% ಶುದ್ಧ ಇಂಗ್ಲೀಷ್ ಆಡಿಯೊದಲ್ಲಿ, ಧ್ವನಿಸುರುಳಿ ಅಥವ ಧ್ವನಿಸುರುಳಿಯಲ್ಲಿ 1020%. ಒಂದೇ ವಿನ್ಯಾಸದ ದೊಡ್ಡ ಬದಲಾವಣೆಗಳು ತುಂಬಾ ಕಷ್ಟಕರವಾಗಿದ್ದಾಗ ಹೆಚ್ಚು ಉತ್ತಮಗೊಳ್ಳುತ್ತವೆ. ಆಡಿಯೋ ವಿದ್ಯುಚ್ಚಕ್ತಿಯಾಗುವಾಗ ದೊಡ್ಡದು ಆಯ್ಕೆ ಮಾಡಿ
ಹೌದು, ಪ್ರತಿಯೊಂದು ಭಾಗವು ಆರಂಭ/ ಅಂತ್ಯದ ಸಮನಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಆರೋಹಣೆ SRT ಅಥವಾ VTT ಎಂದು ರಫ್ತು ಮಾಡಿ ಹಾಗು ಸಮಯಗಳು ನಿಮ್ಮ ವೀಡಿಯೋನಲ್ಲಿ ನೆಟ್ಟಗೆ.
ಒಂದು ನಿಮಿಷಕ್ಕೆ ಸುಮಾರು 1000 ಸೂಚಕಗಳು(_F)
MP3, WAV, MAG, OGC, OGGC, ಹಾಗೂ ವಿಡಿಯೋ (MOV, WOM) - ನಾವು ಆಡುಗೊಳಕ್ಕೆ (ಆಡಿಯೋ). ಹೆಚ್ಚುವರಿ 500 ಕಡತಗಳನ್ನು, / livo/ sock/ state/ bitch/ basech ಗೆ ವಿಭಜಿಸು.
ಸಂಪರ್ಕಸಾಧಿಸುವಿಕೆ ಒಂದು ಪ್ರತ್ಯೇಕ ತೆರಳಾಗಿದೆ — /tranchation/ on. FREI_ PHS_ PHI_ PHSE_BAR_ಸಾಧನವನ್ನು ನಿಭಾಯಿಸುತ್ತದೆ; ಪ್ರತಿಯೊಂದು ವಿಭಾಗವನ್ನೂ ಭಾಷಣಕಾರ 1 / 2 ಗೆ ಸೂಚಿಸಲಾಗುತ್ತದೆ.
— ಹೌದು, ಆಡಿಯೋ ಕಡತಗಳ ಒಂದು ಕಡತಕೋಶವನ್ನು / bactch/ ಸ್ವೀಕರಿಸುತ್ತದೆ. /ac ಲೆಕ್ಕಾಚಾರದಲ್ಲಿ ಪ್ರತಿ ಯೊಂದು ಸಾಮಾನ್ಯ ದೇಶಗಳು/? Tab=tabbing. ಕಡತಕೋಶವನ್ನು ಉಳಿಸಲು API ಅನ್ನು ಬಳಸುತ್ತದೆ.
ಹೌದು, ನಿಮ್ಮ ಆಡಿಯೊವನ್ನು /v1/tranch ಅನ್ನು ಮಾದರಿ=/ fEI_ PHS_ PATH_BAR_fE_BAR_fE_ PHS_BAR_fALOXY ಗೆ ಹಿಂದಿರುಗುತ್ತದೆ. /ap- minists. ಪೂರ್ಣ ಉಲ್ಲೇಖವನ್ನು ಹೊಂದಿದೆ.
ಸ್ವಪ್ರಯೋಜಕ ಮಾದರಿಗಳು ನಮ್ಮ GPUS ನಲ್ಲಿ ಆಡಿಯೋವನ್ನು ಇರಿಸುತ್ತವೆ; ಒಂದು DPA ಸಹ ಸಹಿತ ಹಾದು ಹೋಗುತ್ತದೆ. ಶ್ರೇಣಿ ಅನ್(24H, ೭- ೧), ೭- ಅನುಪಾತದ ನಂತರ ಆಡಿಯೋ ಅನ್ನು ಅಳಿಸಲಾಗುತ್ತದೆ. ನಾವು ನಿಮ್ಮ ಪ್ರದಾನಗಳ ಮೇಲೆ ತರಬೇತಿಯನ್ನು ಪಡೆಯುವುದಿಲ್ಲ.
Yes — Free.ai grants commercial use of transcripts. You need rights to the audio you uploaded (your own recording, licensed material, or content with consent).
ನಿಜವಾದ ಸಮಯ ಅಂಶವು 0.05actipt text. ೨. ೨೦೦ ನಿಮಿಷಗಳಲ್ಲಿ 60- ಚಿಕ್ಕ ಪೋರ್ಟ್ ಬೋರ್ಡಿಂಗ್ ಬೋರ್ಡಿಂಗ್ಗಳು. ಪ್ರೇಡಿಯಮ್ ಮಾದರಿಗಳು ಅನೇಕವೇಳೆ ವೇಗವಾಗಿ ಮುಗಿಸಲ್ಪಡುತ್ತವೆ. ಹಾಳೆಯನ್ನು ಮುಚ್ಚಲು ಅನುಕ್ರಮ ಗುಂಡಿಯನ್ನು ಬಳಸಿ.