Fal Speech-to-Text
Free.ai
·
stt
·
~500 För varje minute
Fal Speech-to-Text är a Modell för tal-till-text. Routed genom externa modeller - ~500 tokens per minut (50 % uppräkning över uppströms kostnad).
Använd via API
OpenAI-kompatibelt REST API. Skapa en nyckel och ring denna modell på några sekunder.
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://..."}'Vanliga frågor
Fal Speech-to-Text transkriberar talat ljud till text. Ladda upp en MP3, WAV, M4A, eller videofil och Fal Speech-to-Text returnerar hela utskriften plus valfria SRT/VTT textning med tidsstämpel.
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.
Ord-terror är 5-10% på ren engelsk ljud, 10-20% på bullriga eller accented ljud. Stora varianter av samma arkitektur gör meningsfullt bättre på hårda fall - plocka större när ljudet är grov.
Ja - varje segment inkluderar start/slut tidsstämpel. Exportera som SRT eller VTT och tidskartan direkt till din video.
Fal Speech-to-Text är en premium transkription motor. Om ~500-1,500 tokens per minut av ljud, visas live innan du genererar. Självvärdig transkription körs gratis på din 30 000-boken dagliga pool; premium modeller är pay-as-you-go, med toppar från $ 1.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) - vi extraherar ljudet. Max 500 MB per uppladdning. Längre filer? Dela med /audio/cut/ eller använd /v1/st/batch/.
Högtalardiarization är ett separat pass - växla "diarize" på /transcribe /. Fal Speech-to-Text hanterar transkription; diarization etiketter varje segment med högtalare 1 / högtalare 2 / etc.
Ja - / batch / accepterar en katalog med ljudfiler. Varje utskrift landar i / account/?tab= historia med det ursprungliga filnamnet. För mappträdsbevarande använd API:et.
Ja - Skicka ditt ljud till /v1/st/transcribe/ med modell="Fal Speech-to-Text". Returnerar JSON med text + segment + ordnivå tidsstämpel. /api/ har den fullständiga referensen.
Självvärdiga modeller håller ljud på våra GPU:er; premium passera genom med en DPA. Ljud raderas efter share-window (24h anon, 7d inloggade). Vi tränar inte på dina ingångar.
Ja - Free.ai beviljar kommersiell användning av utskrifter. Du behöver rättigheter till det ljud du laddat upp (din egen inspelning, licensierat material eller innehåll med samtycke).
Realtidsfaktorn är ungefär 0,05-0,2× - en 60-minuters podcast transkriberar i 3-12 minuter. Premium modeller ofta slutar snabbare. Använd köknappen för att stänga fliken.