Fal Speech-to-Text
Free.ai
·
stt
·
~500 tokens per minute
Fal Speech-to-Text a konuşma- metin modeli. Dış modellerden yönlendirildi - ~500 tokenleri dakika (% 50 üst maliyet üzerinde markup).
API üzerinden kullan
OpenAI uyumlu REST API. Bir anahtar oluştur ve bu modeli saniyeler içinde çağır.
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://..."}'Sık Sorulan Sorular
Fal Speech-to-Text konuşulan sesleri metin haline çevirir. Bir MP3, WAV, M4A veya video dosyasını yükleyin ve Fal Speech-to-Text tam metin ile zaman damgalı seçenek SRT/VTT altyazılarını geri verir.
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.
Sözcük hata oranı temiz İngilizce seslerde %5-10, gürültülü veya aksanlı seslerde %10-20'dir. Aynı mimarinin büyük varyantları zor durumlarda anlamlı şekilde daha iyi çalışır - ses sert olduğunda büyükleri seçin.
Evet - her bölüm başlangıç/son zaman damgaları içerir. SRT veya VTT olarak ihraç et ve zamanlar doğrudan videonuza kaydedilir.
Fal Speech-to-Text, premium bir çeviri motorudur. Üretmeden önce canlı olarak gösterildiği gibi, dakikada yaklaşık ~500-1,500 token ses. Kendi başına işletilen çeviri, günlük 30,000 token havuzunuzda ücretsiz olarak çalışır; premium modeller, $1'dan başlayan yüklemelerle, kullandığınızda ödenir.
MP3, WAV, M4A, FLAC, OGG, video (MP4, MOV, WebM) - ses çıkarıyoruz. Yükleme başına en fazla 500 MB. Daha uzun dosyalar? /audio/cut/ ile böl veya /v1/stt/batch/ kullan.
Konuşmacı diarization ayrı bir geçiş - /transcribe / üzerinde "diarize"yi değiştirin. Fal Speech-to-Text transkripi yönetir; diarization her segmenti Konuşmacı 1 / Konuşmacı 2 / vs ile etiketler.
Evet - /batch/ ses dosyalarının bir dizinini kabul eder. Her bir transkrip orijinal dosya adı ile /account/?tab=history'ye düşer. Dizin ağacı koruması için API'yi kullanın.
Evet - Sesinizi model="Fal Speech-to-Text" ile /v1/stt/transcribe/'a POST edin. JSON'u metin + segmentler + kelime seviyesi zaman damgalarıyla geri verir. /api/ tam referansa sahiptir.
Kendi başına konumlanan modellerde ses GPU'larımızda kalır; premium modellerde DPA ile geçer. Ses paylaşım penceresinden sonra silinir (24 saat anon, 7 gün giriş). Girişleriniz üzerinde eğitim yapmayız.
Evet - Free.ai ticari kullanım için kopyaları kabul eder. Yüklediğiniz ses için haklarınıza ihtiyacınız var (kendi kayıtlarınız, lisanslı materyaller veya izinle içerik).
Gerçek zaman faktörü yaklaşık 0.05-0.2× - 60 dakikalık bir podcast 3-12 dakikada yazılır. Premium modelleri genellikle daha hızlı biter. Sekmeyi kapatmak için kuyruk düğmesini kullanın.