Fal Speech-to-Text
Free.ai
·
stt
·
~500 žetoni uz vienu minute
Fal Speech-to-Text ir {da}ļiņu__ {kategorija}. Maršruts, izmantojot ārējos modeļus — ~{tpm_markes} minūtē(50 % atzīme virs iepriekšējā posma izmaksām).
Izmantošana caur API
OpenAI-compatible REST API. Generate a key and call this model in seconds.
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://..."}'Bieži uzdoti jautājumi
Fal Speech-to-Text tranraksti skaļi audio tekstā. Ielādējiet MP3, WAV, M4A vai video failu un Fal Speech-to-Text atgriež pilnu transkriptu plus izvēles SRT/VTT subtitrus ar laika zīmogiem.
Fal Speech-to-Text hands desmiti valodu — Whisper-ģimenes modeļi aptver 90+, Parakeet cover ~25, citi atšķiras. Izvēlieties "auto-detektēšana" vai norādiet valodu, lai panāktu augstāko precizitāti.
Word-error ātrums ir 5-10% uz tīra angļu audio, 10-20% uz trokšņains vai izcelts audio. Lieli varianti tās pašas arhitektūras dara jēgpilni labāk par grūtiem gadījumiem — izvēlieties lielāku, kad audio ir raupja.
Jā — katrs segments ietver sākuma/gala laika zīmjus. Eksportēt kā SRT vai VTT un laika karti tieši uz jūsu video.
Fal Speech-to-Text ir premium transkripcijas dzinējs. Par ~500-1 500 žetoni minūtē audio. $1 = 750,000 žetoni.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) — mēs iegūstam audio. Maksimāli 500 MB uz augšupielādi. Ilgāki faili? Split with /audio/cut/ or use /v1/stt/partch/.
Skaļruņa diarizācija ir atsevišķa caurlaide — pārslēdziet "dializējiet" par / transkripciju/. Fal Speech-to-Text roku transkripciju; Diarizēšanas etiķetes katram segmentam ar Skaļruņu 1 / Skaļrunis 2 / uc
Jā — /partch/ pieņem audio failu mapi. Katra transkripcijas laukuma / konts /? tab=vēsture ar oriģinālo faila nosaukumu. Mapju koku saglabāšanai izmantojiet 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.
Pašuzturēti modeļi saglabāt audio uz mūsu GPUs; premium iet cauri ar DPA. Audio tiek dzēsts pēc Share-window (24h anon, 7d pierakstīšanās). Mēs nemācāmies uz jūsu ievades.
Jā — Free.ai dod tiesības komerciāli izmantot transkriptus. Jums ir vajadzīgas tiesības uz jūsu augšupielādēto audio (savu ierakstu, licencēto materiālu vai saturu ar piekrišanu).
Reālā laika faktors ir aptuveni 0,05-0,2× — 60 minūšu podcast transkripcija 3–12 minūšu laikā. Premium modeļi bieži vien beidzas ātrāk. Izmantojiet rindas pogu, lai aizvērtu cilni.