Fal Speech-to-Text
Free.ai
·
stt
·
~500 token bawat minute
Ang Fal Speech-to-Text ay isang a at Modelong pagsasalita-sa-teksto. Routed through external models - ~500 tokens bawat minuto (50% markup over upstream cost).
Gamitin sa pamamagitan ng API
OpenAI-compatible REST API. Bumuo ng isang susi at tawagan ang modelong ito sa ilang segundo.
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://..."}'Mga Madalas Itanong
Ang Fal Speech-to-Text ay nagpapalit ng mga salitang narinig sa mga teksto. I-upload ang isang MP3, WAV, M4A, o video file at ang Fal Speech-to-Text ay magpapalit ng buong transcript at mga opsyonal na SRT/VTT na mga subtitle na may mga 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.
Word-error rate ay 5-10% sa malinis na Ingles audio, 10-20% sa noisy o accented audio. Malalaking variant ng parehong architecture gawin makabuluhang mas mahusay sa mga mahirap na kaso - pumili ng mas malaki kapag ang audio ay magaspang.
Oo - bawat segment ay kasama ang simula / katapusan ng timestamps. Export bilang SRT o VTT at ang mga oras ng mapa tuwid sa iyong video.
Ang Fal Speech-to-Text ay isang premium na transcription engine. Tungkol sa ~500–1,500 token bawat minuto ng audio, ipinapakita nang live bago mo ito likhain. Ang self-hosted transcription ay libre sa iyong 30,000-token na araw-araw na pool; ang mga premium na modelo ay pay-as-you-go, na may mga top-up mula sa $1.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) - we extract the audio. Max 500 MB per upload. Longer files? Split with /audio/cut/ or use /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.
Oo - / batch / tumatanggap ng isang folder ng mga file ng audio. Ang bawat transcript lupain sa / account /? tab = kasaysayan na may orihinal na pangalan ng file. Para sa folder-tree preservation gamitin ang 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.
Self-hosted modelo panatilihin audio sa aming GPUs; premium pumasa sa pamamagitan ng isang DPA. Audio ay tinanggal pagkatapos ng share-window (24h anon, 7d naka-sign-in). Hindi namin tren sa iyong mga input.
Oo - Free.ai grants komersyal na paggamit ng transcripts. Kailangan mo ng mga karapatan sa audio na iyong nai-upload (ang iyong sariling recording, lisensyadong materyal, o nilalaman na may pahintulot).
Real-time na kadahilanan ay humigit-kumulang 0.05-0.2 × - isang 60-minuto podcast transcribes sa3-12 minuto. Premium modelo madalas na matapos ang mas mabilis. Gamitin ang queue button upang isara ang tab.