Fal Speech-to-Text
Free.ai
·
stt
·
~500 märgid per minute
Fal Speech-to-Text on a kõne-teksti mudel. Läbi suunatud välised mudelid - ~500 tokens minuti kohta (50% hinnalisand üle eelmise etapi kulud).
Kasutamine API kaudu
OpenAI- ühilduv REST API. Genereeri võti ja kutsu seda mudelit sekundites.
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://..."}'Korduma kippuvad küsimused
Fal Speech-to-Text transkribeerib kõnes oleva audio teksti. MP3, WAV, M4A või videofaili üleslaadimine ja Fal Speech-to-Text tagastab täieliku ärakirja pluss valikulised SRT/VTT subtiitrid ajatemplitega.
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.
Sõna-error määr on 5-10% puhas inglise heli, 10-20% müra või aktsent heli. Suured variandid sama arhitektuuri teha tähendusrikkalt parem rasketel juhtudel - valida suurem, kui heli on töötlemata.
Jah - iga segmendis on stardi/lõpu ajatemplid. Eksporditakse kui SRT või VTT ja ajad kaardi otse oma video.
Fal Speech-to-Text on premium transkriptsiooni mootor. Umbes 500-1500 märgid minutis audio, kuvatakse otse enne genereerida. Isehostitud transkriptsioon jookseb tasuta oma 30,000-token päevas bassein; premium mudelid on tasu-nagu-you-go, koos lisandub $ 1.
MP3, WAV, M4A, FLAC, OGG, pluss video (MP4, MOV, WebM) - me eraldada audio. Max 500 MB kohta üles. Pikemad failid? Split with /audio/cut / või kasutada /v1/stt/batch /.
Speaker diarization on eraldi pass - lülitamine "diarize" sees / trancribe /. Fal Speech-to-Text tegeleb transkriptsioon; diarization sildid iga segmendiga koos Kõlar 1 / Speaker 2 / jne.
Jah - / batch/ a kaust / audio failid Iga transkript asukohas konto /? tab=ajalugu koos originaal failinimi. Kaustapuu säilitamine kasutamine API.
Jah - sisesta heli /v1/stt/transcribe/ mudeliga="Fal Speech-to-Text". Tagastab JSON- i teksti + segmentidega + sõnataseme ajatemplid. /api/ on täielik viide.
Isehostitud mudelid hoida audio meie GPUs; premium läbida DPA. Audio kustutatakse pärast aktsiaakna (24h anon, 7d signed-in). Me ei treeni oma sisendeid.
Jah - Free.ai annab transkriptide kaubandusliku kasutamise. Vajad õigusi üleslaaditud audiole (omaenda salvestusele, litsentsitud materjalile või sisule nõusolekul).
Reaalajas tegur on umbes 0.05-0.2× - 60-minutiline podcast trancribes 3-12 minutit. Premium mudelid sageli lõpetada kiiremini. Kasutage järjekorda nuppu sulgeda kaart.