Fal Speech-to-Text
Free.ai
·
stt
·
~500 біт minute
Fal Speech-to-Text is a Модэль пераўтварэння мовы ў тэкст. Routed through external models - ~500 tokens у хвіліну (50% markup over upstream cost).
Выкарыстаць праз API
OpenAI- сумяшчальны REST API. Стварыць ключ і выклікаць гэтую мадэль у некалькі секунд.
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://..."}'Частыя пытанні
Fal Speech-to-Text перакладае гукавыя паведамленні ў тэксты. Загрузіце файл MP3, WAV, M4A або відэа, і Fal Speech-to-Text верне поўны пераклад і дадатковыя субтытры SRT/VTT з часовымі знакамі.
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.
Частата памылак у словах складае 5- 10% пры чыстым англійскім гучанні, 10- 20% пры шумным або акцэнтаваным гучанні. Вялікія варыянты той жа архітэктуры значна лепш працуюць на цяжкіх выпадках - выбірайце большыя, калі гучанне грубае.
Так - кожны сегмент утрымлівае час пачатку/ канца. Экспартаваць як SRT або VTT і час будзе адлюстраваны ў відэа.
Fal Speech-to-Text - гэта прэміум-рухавік транскрыпцыі. Прыблізна ~500-1500 знакаў за хвіліну гуку, паказаных у рэжыме рэальнага часу перад стварэннем. Самастойная транскрыпцыя працуе бясплатна на вашым штодзённым пункце 30 000 знакаў; прэміум-мадэлі плацяць па выкарыстанні, з дадатковымі плацяжамі ад $1.
MP3, WAV, M4A, FLAC, OGG, плюс відэа (MP4, MOV, WebM) - мы выцягваем аўдыё. Макс. 500 МБ за загрузку. Большыя файлы? Раздзяліце з / audio/ cut / або выкарыстоўвайце / v1/ stt/ batch /.
Speaker diarization is a separate pass - toggle "diarize" on /transcribe/. Fal Speech-to-Text handles the transcription; diarization labels each segment with Speaker 1 / Speaker 2 / etc.
Так — / batch / прымае тэчку з аўдыё файламі. Кожны транскрыпт запісваецца ў / account/? tab=history з арыгінальнай назвай файла. Для захавання дрэва тэчак выкарыстоўвайце API.
Так — POST ваш аўдыё ў /v1/stt/transcribe/ з model="Fal Speech-to-Text". Верне JSON з тэкстам + сегментамі + часамі на ўзроўні слова. /api/ мае поўную спасылку.
У самаабслугоўваных мадэлях гук захоўваецца на нашых GPU; у прэміум- мадэлях ён праходзіць праз DPA. Гук выдаляецца пасля заканчэння часу абмену (24 гадзіны без перапынку, 7 дзён уводу). Мы не трэніруемся на вашых уводах.
Так - Free.ai дазваляе выкарыстанне транскрыптаў у камерцыйных мэтах. Вы павінны мець правы на загружаны гукавы файл (ваш уласны запіс, ліцэнзаваны матэрыял або змест з дазволам).
Коэфіцыент рэальнага часу складае каля 0.05- 0.2 × - 60- хвілінны подкаст транскрыптуецца за 3- 12 хвілін. Модэлі Premium звычайна заканчваюцца хутчэй. Выкарыстоўвайце кнопку чаргі, каб закрыць картку.