Fal Speech-to-Text
Free.ai
·
stt
·
~500 Počet žetónov na minute
Fal Speech-to-Text je a Model premeny reči na text. Smerované cez externé modely - ~500 tokeny za minútu (50% markup nad náklady na vstupe).
Použitie cez API
Generujte kľúč a volajte tento model v priebehu niekoľkých sekúnd.
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://..."}'Často kladené otázky
Fal Speech-to-Text transcribes spoken audio into text. Upload an MP3, WAV, M4A, or video file and Fal Speech-to-Text returns the full transcript plus optional SRT/VTT subtitles with timestamps.
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.
Miera slovných chýb je 5-10% na čistom anglickom zvuku, 10-20% na hlučnom alebo akcentovanom zvuku.Veľké varianty rovnakej architektúry sú výrazne lepšie na tvrdých prípadoch - vyberte väčšie, keď je zvuk drsný.
Áno - každý segment obsahuje časové značky začiatku a konca Export ako SRT alebo VTT a časové značky priamo na vaše video.
Fal Speech-to-Text je prémiový prevodový stroj. Približne ~ 500-1,500 žetónov za minútu zvuku, zobrazené naživo predtým, ako generujete. Self-hostený prevod beží zadarmo na vašom dennom bazéne 30,000 žetónov; prémiové modely sú pay-as-you-go, s dobíjanie od $1.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) - extrahujeme audio, maximálne 500 MB na upload. Dlhšie súbory? Rozdeliť pomocou /audio/cut/ alebo použite /v1/stt/batch/.
Diarizácia reproduktorov je samostatný priechod - prepnite "diarize" na /transcribe/. Fal Speech-to-Text spracúva prepis; diarizácia označuje každý segment s reproduktor 1 / reproduktor 2 / atď.
Áno - /batch/ prijíma priečinok audio súborov. Každý prepis skončí v /account/?tab=history s originálnym názvom súboru. Pre zachovanie stromu priečinkov použite API.
Áno - POST zvuk do /v1/stt/transcribe/ s modelom "Fal Speech-to-Text". Vráti JSON s textom + segmenty + slovo-úroveň časové pečiatky. /api/ má úplný odkaz.
Self-hosted modely udržiavajú zvuk na našich GPU; premium modely prechádzajú cez DPA. Zvuk je vymazaný po uplynutí okna zdieľania (24h anon, 7d prihlásený).Netrénujeme na vašich vstupoch.
Yes - Free.ai grants commercial use of transcripts. You need rights to the audio you uploaded (your own recording, licensed material, or content with consent).
Faktor reálneho času je približne 0,05-0,2× - 60-minútový podcast sa prepíše za 3-12 minút, prémiové modely často dokončia rýchlejšie. Použite tlačidlo frontu na zatvorenie karty.