Wizper (Whisper v3)
Free.ai
·
stt
·
~500 ቶኮን minute
Wizper (Whisper v3) a የቃል-ወደ-ጽሑፍ ሞዴል ነው ከውጭ ሞዴሎች በመነሳት - ~ 500 ቶኮኖች በ ደቂቃ (50% በታች የፍሰት ዋጋ ላይ ማርክ)
ብዙ ጊዜ የሚጠየቁ ጥያቄዎች
Wizper (Whisper v3) የተናገረውን ድምፅ ወደ ጽሑፍ ይለውጣል። MP3, WAV, M4A ወይም የቪዲዮ ፋይልን ጫን እና Wizper (Whisper v3) የተሟላውን ድምፅ ተጨማሪ የ SRT/VTT ርዕሶችን ከጊዜ ምልክቶች ጋር ይመለሳል
Wizper (Whisper v3) ብዙ ቋንቋዎችን ይይዛል - Whisper-ቤተሰብ ሞዴሎች 90+, Parakeet ~25 ይሸፍናሉ፣ ሌሎችም ይለያያሉ። "ራስ-አስተዋወቅ"ን ይምረጡ ወይም ከፍተኛ ትክክለኛነት ያለውን ቋንቋ ግለጹ።
የቃል ስህተት መጠን በጥሩ እንግሊዝኛ ድምፅ ላይ 5-10% ነው፣ በጩኸት ወይም በድምፅ ላይ 10-20% ነው። የአንድ ተመሳሳይ አርክቴክቸር ትልቅ ልዩነቶች በከባድ ጉዳዮች ላይ የበለጠ ትርጓሜ አላቸው - ድምፅ ከባድ ከሆነ ትልቅ ይውሰዱ።
አዎ - ክፍል ሁሉ የመጀመርያ/መጨረሻ ጊዜ ምልክቶች ይዟል. እንደ SRT ወይም VTT መላክ እና ጊዜዎቹን በቀጥታ ወደ ቪዲዮዎ ማሳየት
Wizper (Whisper v3) የፕሪሚየም መዝገብ ቤት ማሽን ነው. በድምፅ 500-1,500 ቶኬኖች በአንድ ደቂቃ, ከማምጣትዎ በፊት በቀጥታ የተመለከተ. ራስ-አስተናጋጅ መዝገብ ቤት በ30,000-ቶኬን ቀናት ዙሪያ ነፃ ይሰራሉ; ፕሪሚየም ሞዴሎች እንደምትሄድ መጠን ይከፍላሉ, ከ $1 ጋር top-ups.
MP3, WAV, M4A, FLAC, OGG, plus video (MP4, MOV, WebM) — ድምጹን እናወጣለን። በአንድ መላክ 500 MB ከፍ ያለ። ረጅም ፋይሎች? /audio/cut/ ወይም /v1/stt/batch/ ይጠቀሙ።
የተናጋሪው መዝገብ ቤት የተለየ መውጫ ነው - "diarize"ን /transcribe/ ላይ ይጫኑ። Wizper (Whisper v3) መዝገብ ቤቱን ይይዛል፤ መዝገብ ቤት ክፍል ሁሉንም በተናጋሪ 1 / ተናጋሪ 2 / ወዘተ.
አዎ - /batch/ የድምፅ ፋይሎችን ፎልደር ይቀበላል. እያንዳንዱ ትራንስክሪፕት በ /account/?tab=history ውስጥ በፋይል ስም ይመጣል. ለፎልደር-ዘንግ ጥበቃ APIን ይጠቀሙ
አዎ - የድምፅ መልዕክቱን ወደ /v1/stt/transcribe/ በሞዴል "Wizper (Whisper v3)" ይላኩ። JSONን በጽሑፍ + ክፍሎች + ቃል-ደረጃ ጊዜ-አስማሚዎች ይመለሳል። /api/ ሙሉውን ማመልከት አለው።
የራስ-አስተናጋጅ ሞዴሎች ድምፅን በጂፒዩዎች ላይ ያቆያሉ፤ ፕሪሚየም ከዲፒአ ጋር ይሻገራል። ድምፅ ከጋራ-አስተናጋጅ-አስተ
አዎ - Free.ai የጽሑፍ ቅጂዎችን የቢዝነስ ጥቅም ይሰጣል. ለቀረበው ድምፅ መብቶች (የራስዎ መዝገብ፣ የሊስንስ ቁሳቁስ ወይም የባለቤትነት ይዘት) ያስፈልጋሉ
የጊዜ መጠን 0.05-0.2× ነው - 60 ደቂቃ የፖድካስት 3-12 ደቂቃዎች ውስጥ ይጻፋል. የፕሪሚየም ሞዴሎች ብዙውን ጊዜ በብቃት ይጨርሳሉ. መክፈቻውን ለመክፈት የፍለጋ ቁልፉን ይጠቀሙ.