Fal Speech-to-Text
Free.ai
·
stt
·
~500 الرموز لكل minute
Fal Speech-to-Text هو a نموذج تحويل الكلام إلى نص. Routed through external models — ~500 tokens في الدقيقة (50% markup over upstream cost).
الاستخدام عن طريق واجهة البرمجة
REST API متوافق مع OpenAI. تولد مفتاحاً وتدعو هذا النموذج في ثوانٍ.
curl -X POST https://api.free.ai/v1/stt/ \
-H "Authorization: Bearer sk-free-..." \
-H "Content-Type: application/json" \
-d '{"model":"premium/speech-to-text","audio_url":"https://..."}'الأسئلة المتكررة
Fal Speech-to-Text يقوم بنسخ الصوت المنطوق إلى نص. قم بتحميل ملف MP3 أو WAV أو M4A أو فيديو وFal Speech-to-Text يعيد النص الكامل بالإضافة إلى النصوص الجانبية الاختيارية SRT/VTT مع الأختام الزمنية.
Fal Speech-to-Text يتعامل مع عشرات اللغات — Whisper-family models cover 90+, Parakeet covers ~25, others vary.
معدل أخطاء الكلمات هو 5-10% على الصوت الإنجليزي النظيف، و 10-20% على الصوت المضطرب أو الملفت. المتغيرات الكبيرة من نفس البنية تفعل بشكل أفضل على الحالات الصعبة - اختار أكبر عندما يكون الصوت قاسيًا.
نعم - كل جزء يتضمن بداية / نهاية الختم الزمني. تصدير ك SRT أو VTT وخريطة الزمن مباشرة على الفيديو.
Fal Speech-to-Text هو محرك نسخ متميز. حوالي ~500-1,500 رموز في الدقيقة من الصوت. $1 = 750,000 رموز.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) — نقوم باستخراج الصوت. الحد الأقصى 500 ميغابايت لكل تحميل. الملفات الأطول؟ تقسيم مع /audio/cut/ أو استخدام /v1/stt/batch/.
Fal Speech-to-Text يتعامل مع النسخ؛ وسم الترجمة لكل جزء مع المتحدث 1 / المتحدث 2 / إلخ.
نعم - /batch/ يقبل مجلدا من الملفات الصوتية. كل نسخة من النص تصل إلى /account/?tab=history مع اسم الملف الأصلي. للحفاظ على شجرة المجلد، استخدم API.
نعم — أرسل صوتك إلى /v1/stt/transcribe/ مع النموذج "Fal Speech-to-Text". يعيد JSON مع النص + الأجزاء + الختم الزمني على مستوى الكلمة. /api/ لديها المرجع الكامل.
النماذج المستضافة ذاتياً تحتفظ بالصوت على وحدات المعالجة الرسومية الخاصة بنا؛ ويتم نقل الصوت من خلال DPA. ويتم حذف الصوت بعد نافذة المشاركة (24 ساعة من دون تسجيل الدخول، 7 أيام من التسجيل).
نعم — Free.ai يمنح الاستخدام التجاري للنصوص. أنت بحاجة إلى حقوق على الصوت الذي قمت برفعه (تسجيلك الخاص، أو مواد مرخصة، أو محتوى مع موافقة).
عامل الوقت الحقيقي هو حوالي 0.05-0.2 × - 60 دقيقة من البث النصي في 3-12 دقيقة. النماذج العالية غالبا ما تنتهي أسرع.