Fal Speech-to-Text
Free.ai
·
stt
·
~500 Semne de referință minute
Fal Speech-to-Text este a model de vorbire-în-text. Rulate prin modele externe - ~500 tokens pe minut (50% de marcaj peste costul amonte).
Utilizați prin API
API REST compatible cu OpenAI. Generați o cheie și apelați acest model în secunde.
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://..."}'Întrebări frecvente
Fal Speech-to-Text transcrie audio vorbit în text. Încarcă un fișier MP3, WAV, M4A sau video și Fal Speech-to-Text returnează transcripția completă plus subtitrarea opțională SRT/VTT cu timelor.
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.
Rata de eroare cu cuvânt este de 5-10% pe audio curat englez, 10-20% pe audio zgomotos sau accentuat. Variante mari ale aceleiași arhitecturi fac semnificativ mai bine pe cazurile dure - alege mai mare atunci când audio este rușinos.
Da - fiecare segment include start-up/end timelor. Export ca SRT sau VTT și harta de timpuri direct pe video.
Fal Speech-to-Text este un motor de transcripție premium. Despre ~500-1,500 de jetonuri pe minut de audio, afișat live înainte de a genera. Transcription auto-gazdă funcționează gratuit pe piscina zilnică de 30.000 token; modelele premium sunt de pay-as-you-go, cu top-up de la $ 1.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) - extragem audio. Max 500 MB pe încărcare. Fișiere mai lungi? Split cu /audio/cut/ sau folosirea /v1/stt/batch /.
Diarizarea speakerului este un pas separat - comuta "diarizeaza" pe /transcribe /. Fal Speech-to-Text se ocupă de transcriere; etichete de diarizare fiecare segment cu Speaker 1 / Speaker 2 / etc.
Da - /batch/ acceptă un dosar de fișiere audio. Fiecare trancriptare terenuri în /compte /?tab=historial cu numele de fișier original. Pentru conservarea de dosare- arbore utiliza API.
Da - POST audio la /v1/stt/transcrie/ cu model="Fal Speech-to-Text". Returnează JSON cu text + segmente + date horologice de nivel de cuvânt. /api/ are referință completă.
Modelele auto-gazdă păstrează audio pe GPU-urile noastre; premium trece prin cu un DPA. Audio este șterse după ferestre de partaj (24h anon, 7d semnat-in). Noi nu antrenăm pe intrarea dumneavoastră.
Da - Free.ai acordă utilizarea comercială a tranșelor. Aveți nevoie de drepturi la audio pe care l-ați încărcat (înregistrarea propriu, material licențiat sau conținut cu consimțământ).
Factorul în timp real este de aproximativ 0.05-0.2× - un podcast de 60 de minute transcrie în 3-12 minute. Modelele premium finalizează adesea mai repede. Folosește butonul de coada pentru a închide tab.