Fal Speech-to-Text
Free.ai
·
stt
·
~500 tokens per minute
Fal Speech-to-Text er a tale- til- tekst- model. Rutet gennem eksterne modeller - ~500 tokens pr. minut (50% markup over opstrøms omkostninger).
Brug via API
OpenAI-kompatibel REST API. Generer en nøgle og ring til denne model på få sekunder.
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://..."}'Ofte stillede spørgsmål
Fal Speech-to-Text transskriberer talt lyd til tekst. Upload en MP3, WAV, M4A, eller videofil og Fal Speech-to-Text returnerer den fulde udskrift plus valgfri SRT / VTT undertekster med tidsstempler.
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.
Word-fejl rate er 5-10% på ren engelsk lyd, 10-20% på støjende eller accentet lyd. Store varianter af samme arkitektur gør meningsfuldt bedre på hårde kasser - vælge større, når lyden er ru.
Ja - hvert segment omfatter start/send tidsstempler. Eksportér som SRT eller VTT og gange kortet direkte på din video.
Fal Speech-to-Text er en premium transskription motor. Om ~ 500-1.500 tokens per minut af lyd, vist live før du genererer. Selvværdet transskription kører gratis på din 30.000-token daglig pool; premium modeller er pay-as-you-go, med top-ups fra $ 1.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) - vi udtrækker lyden. Max 500 MB per upload. Længere filer? Split med /audio/cut/ eller brug /v1/stt/batch/.
Højttalerdiarisering er en separat pass - skifte "diarize" på /transcribe /. Fal Speech-to-Text håndterer transskription; diarisering etiketter hvert segment med højttaler 1 / højttaler 2 / etc.
Ja - /batch/ accepterer en mappe med lydfiler. Hver udskrift lander i /account/?tab=historie med det oprindelige filnavn. For mappe- træ bevaring bruge API.
Ja - POST din lyd til /v1/stt/transcribe/ with model="Fal Speech-to-Text". Returnerer JSON med tekst + segmenter + ord- niveau tidsstempler. /api / har den fulde reference.
Selvværd modeller holde lyd på vores GPU'er; luksus passere igennem med en DPA. Lyd slettes efter aktie-vinduet (24h anon, 7d sign-in). Vi træner ikke på dine indgange.
Ja - Free.ai giver kommerciel brug af udskrifter. Du har brug for rettigheder til den lyd, du uploadede (din egen optagelse, licenseret materiale eller indhold med samtykke).
Real-time faktor er omkring 0.05-0.2× - en 60-minutters podcast transcribes på 3-12 minutter. Premium modeller ofte afslutte hurtigere. Brug køknappen til at lukke fanen.