Fal Speech-to-Text

Free.ai · stt · ~500 tokens per minute

Ngundur berkas audio utawa video, utawa tempel URL ing ngisor iki

~500 tokens per minute
Ing ngisor iki ya iku paraga ing filem iki. Nampilaké kanggo Fal Speech-to-Text →

Fal Speech-to-Text iku a model swara-ka-teks. Routed through external models - ~500 tokens saben menit (50% markup over upstream cost).

Nganggo liwat API

REST API kang kompatibel karo OpenAI. Janji kunci lan waca model iki ing sekon.

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://..."}'
Dokumen Njupuk Kunci API

Takon kang asring diajukake

Fal Speech-to-Text ngrekam swara kang diucakaké dadi teks. Ngunduh MP3, WAV, M4A, utawa file video lan Fal Speech-to-Text bakal ngembali transkripsi lengkap plus subtitle SRT/VTT pilihan karo timestamp.

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.

Kasalahan tembung rata-rata 5-10% ing audio Inggris kang bersih, 10-20% ing audio sing noise utawa akcented. Varian gedhe saka arsitektur sing padha luwih apik ing kasus hard - pilih luwih gedhé nalika audio ora rata.

Ya - saben segmen nglumpukaké stempel wektu wiwitan/akhiran. Eksport minangka SRT utawa VTT lan peta wektu langsung ing videomu.

Fal Speech-to-Text iku mesin transkripsi premium. Sawetara ~500-1,500 token saben menit audio, ditampilaké langsung sadurunge sampeyan ngasilaké. Transkripsi sing dihost kanthi mandiri dioperasikaké kanthi gratis ing pool 30,000-token saben dina; model premium dibayar-kaya-kanggo-mu, karo top-up saka $1.

MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) - kita ngekstrak audio. Max 500 MB saben upload. File luwih dawa? Dipisahake karo /audio/cut/ utawa nggunakake /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.

Ya - /batch/ nampi folder kanggé file audio. Saben transcript dipun-simpen ing /account/?tab=history kaliyan nama file asli. Kanggo perlindungan folder-tree, gunaka API.

Yes - POST your audio to /v1/stt/transcribe/ with model="Fal Speech-to-Text". Returns JSON with text + segments + word-level timestamps. /api/ has the full reference.

Model self-hosted nyimpen audio ing GPU kita; premium ngliwati karo DPA. Audio dipatèni sawisé jendela share (24 jam anon, 7 dina mlebu). Kita ora latihan ing input sampeyan.

Ya - Free.ai nyedhiyani panggunaan komersial transkripsi. Sampeyan butuh hak kanggo audio sing sampeyan unggah (rekaman dhewe, materi lisensi, utawa isi kanthi persetujuan).

Faktor wektu nyata kira-kira 0.05-0.2× - podcast 60 menit ditranskripsi ing 3-12 menit. Model Premium asring rampung luwih cepet. Gunake tombol baris tunggu kanggo nutup tab.

Love Free.ai? Nyathet kanca-kancamu!

Rangking kaca iki