Fal Speech-to-Text
Free.ai
·
stt
·
~500 біт minute
Фрэйзер (фр.: Fréderic Fréderic) — французскі пісьменнік. У 1999 годзе ў выніку рэструктурызацыі кампаніі «Фрэйзер» (Freizer) 50 % акцый перайшлі ў «Фрэйзер-Мінск» (Freizer-Minsk).
Выкарыстаць праз API
OpenAI- сумяшчальны REST API. Стварыць ключ і выклікаць гэтую мадэль за 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 гукавы файл у тэкст. 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 абслугоўвае дзясяткі моў — мадэлі сямейства Whisper ахопліваюць 90%, Parakeet ахопліваюць ~25, іншыя вар'іруюцца. Выберыце "аўтаматычнае выяўленне" або вызначце мову для найвышэйшай дакладнасці.
Частата памылак у словах складае 5- 10% на чыстай англійскай мове, 10- 20% на шумнай або акцэнтаванай мове. Большыя варыянты адной і той жа архітэктуры значна лепш працуюць на цяжкіх выпадках - выбірайце большыя, калі гук не роўны.
Так - кожны сегмент утрымлівае час пачатку/ канца. Экспартаваць як SRT або VTT і адлюстраваць час на 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? Раздзяляйце з /audio/cut/ або выкарыстоўвайце /v1/stt/batch/.
У тэксце тэкстападобнай мовы (напрыклад, у тэксце тэкстападобнай мовы 1) тэкстападобная мова (напрыклад, тэкстападобная мова 2) тэкстападобная мова (напрыклад, тэкстападобная мова 3) тэкстападобная мова (напрыклад, тэкстападобная мова 4) тэкстападобная мова (напрыклад, тэкстападобная мова 5)
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 мадэлях з уласным хостынгам гук захоўваецца на нашых GPU; у мадэлях з платным хостынгам гук праходзіць праз DPA. Гук выдаляецца пасля заканчэння часу абмену (24 гадзіны пасля завяршэння, 7 дзён пасля ўваходу). Мы не трэніруемся на вашых уводах.
Так - Free.ai дазваляе выкарыстанне транскрыптаў у камерцыйных мэтах. Вам патрэбныя 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.