Fal Speech-to-Text
Free.ai
·
stt
·
~500 الرموز لكل minute
Fal Speech-to-Text هو a نموذج تحويل الكلام إلى نص. وتوجيهها من خلال نماذج خارجية - ~500 tokens في الدقيقة (50% mark-up over upstream cost).
الاستخدام عن طريق رابطة البرمجيات المشتركة
API REST 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 handles dozens of languages - Whisper-family models cover 90+, others vary. Pick "auto-detect" or specify the language for highest accuracy.
إن معدل أخطاء الكلمات هو 5-10% على الصوت الإنجليزي النظيف، و10-20% على الصوت المضطرب أو الملفت. والمتغيرات الكبيرة من نفس البنية تفعل بشكل أفضل بشكل ملموس في الحالات الصعبة - اختار أكبر عندما يكون الصوت قاسي.
نعم - كل جزء يتضمن بداية/نهاية الختم الزمني. تصدير ك SRT أو VTT وخريطة الزمن مباشرة على الفيديو الخاص بك.
Fal Speech-to-Text هو محرك نسخ متميز. حوالي ~500-1500 رموز في الدقيقة من الصوت، يظهر مباشرة قبل أن تنتج. النص المستضاف ذاتيا يعمل مجانا على مجمعك اليومي من الرموز 30000؛ النماذج المتميزة هي دفع حسب الاستخدام، مع إعادة الشحن من $1.
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/.
معالجة المتحدث هي مرور منفصل - تبديل "diarize" على /transcribe/. Fal Speech-to-Text يتعامل مع النسخ؛ معالجة المتحدث تضع علامات على كل جزء مع المتحدث 1 / المتحدث 2 / إلخ.
نعم - /batch/ يقبل مجلد من الملفات الصوتية. كل نسخة تصل إلى /account/?tab=history مع اسم الملف الأصلي. لحفظ شجرة المجلد استخدم API.
نعم - ضع صوتك إلى /v1/stt/transcribe/ مع النموذج "Fal Speech-to-Text". يعيد JSON مع النص + الأجزاء + كلمة مستوى الختم الزمني. /api/ لديها المرجع الكامل.
النماذج المستضافة ذاتياً تحتفظ بالصوت على وحدات المعالجة المركزية الخاصة بنا؛ وتمر الرسوم العالية عبر DPA. ويتم حذف الصوت بعد نافذة المشاركة (24 ساعة من دون تسجيل، 7 أيام من التسجيل).
نعم - Free.ai يمنح الاستخدام التجاري للنصوص. أنت بحاجة إلى حقوق على الصوت الذي قمت بتحميل (تسجيلك الخاص، المواد المرخصة، أو المحتوى مع الموافقة).
عامل الوقت الحقيقي هو حوالي 0.05-0.2× - 60 دقيقة بث نسخ في 3-12 دقيقة. النماذج العالية غالبا ما تنتهي أسرع. استخدم زر الصف لإغلاق العلامة.