ነጻ ካታላንኛ
ካታላንኛ ድምፅ እና ቪዲዮ ወደ ጽሑፍ ጋር AI. ፈጣን, ትክክለኛ, እና ነጻ.
እንዴት እንደሚሠራ
- ወደ መተላለፊያ ሂዱ Free.ai ተጽዕኖ ፈጣሪ
- የድምፅ ወይም የቪዲዮ ፋይልዎን ካታላንኛ ጫን
- የ AI ችን ካታላንኛ አውቶማቲክ ይለካል እና ይጻፋል
- ፋይል ጫን
ካታላንኛ የጽሑፍ ቅርጸት
- ✓በ faster-whisper የተሰራ (MIT ፈቃድ)
- ✓Automatic ካታላንኛ language detection
- ✓MP3, WAV, MP4, M4A, FLAC, እና ሌሎችን ይደግፋል
- ✓የጊዜ ምልክቶች እና የታችኛው ርዕስ
- ✓የፋይል መጠን
- ✓የግልና ደህንነቱ የተጠበቀ -- ፋይሎች ከማከናወን በኋላ ይታጠፋሉ
የቋንቋ ዝርዝሮች
| ቋንቋ | ካታላንኛ |
| ኮዶች | ca |
| ሞዴል | faster-whisper |
| ዋጋ | ነጻ |
ቋንቋዎች
ቋንቋን አሳይጥያቄ
Whisper large-v3-turbo በካታላንኛ ላይ በከፍተኛው ትክክለኛነት ደረጃ ላይ ይደርሳል - በ 7% የቃል ስህተት መጠን በስታንዳርድ ብራንኮች ላይ. በተግባር ይህ ማለት ንጹህ ስቱዲዮ ድምፅ ወደ ሙሉ-ሙሉ ይመጣል ፣ እና የንግግር ድምፅ በጥቂት ማጽዳት ጋር ሊጠቀም ይችላል ፡፡(በቤንማርክ ስብስቦች ላይ ደረጃ A, under 7% word error rate - ከማስተዋወቂያ ክስ ይልቅ እውነተኛ የWER ደረጃዎችን እናወጣለን)
አዎ - ካታላንኛ transcription ከዕለታዊ ነጻ token poolዎ በፊት ይወስዳል. ድምፅ በአንድ ደቂቃ ውስጥ 50 tokens ይከፍላል, ስለዚህም ያልታወቀው የዕለታዊ pool በአንድ ቀን ውስጥ የድምፅ ሰዓቶችን ያጠቃልላል. የተመዘገቡ ምዝገባዎች ትልቅ የ 30,000-token daily pool ይቀበላሉ. ከዚያ በኋላ, transcription is pay-as-you-go, with token top-ups from $1.
ካታላንኛ transcripts በሥርዓት UTF-8 ቋንቋው የተለመደ አጻጻፍ ጋር ተመልሷል.
MP3, WAV, M4A, FLAC, OGG, OPUS, እና WEBM በቀጥታ ይቀበላሉ. ለቪዲዮ (MP4, MOV, MKV) እኛ ሰርቨር-በኩል የድምፅ ትራክ ወደ Whisper መላክ በፊት መውጣት - አንተ ምንም ራስህ ለመለወጥ አያስፈልግም. ተመሳሳይ ፒፕሊን ምንጭ ቋንቋ ሳይለይ, ካታላንኛ ጨምሮ.
የፋይል መጠን 500 ሜባ ነው. የተመዘገቡ መዝገቦች እስከ 2 ጂቢ ይደርሳሉ. ጊዜው የረጅም ፋይሎችን ራስ-ሰር በቅርንጫፎች (30 ሰከንዶች ርዝመት ያላቸው ፋይሎች) እና በቀጥታ ጊዜ ምልክቶች ወደ አንድ መዝገብነት ውስጥ ይከፋፈላል. ብዙ ሰዓት የሚቆይ ካታላንኛ መዝገቦች (ፖድካስቶች፣ ሙሉ አስተምህሮዎች፣ ስብሰባዎች) በደንብ ይሠራሉ.
አዎ - ተናጋሪ diarization ነው defaultly ላይ ለእያንዳንዱ ካታላንኛ transcript. ምርት እንደ ተናጋሪ 1 / ተናጋሪ 2 / ተናጋሪ 3 ጋር timestamps ክፍል ነው, ስለዚህ ቃለ መጠይቅ, panel discussions, እና multi-party ስብሰባዎች labelled ይመለሳሉ. diarization በተለያዩ ሞዴል ላይ ይሮጣል እና ሁሉንም ቋንቋዎች እንደግፋለን ውስጥ አንድ ዓይነት ስራዎች.
አዎ - የዩአርኤልን ወደ /transcribe/youtube/ ለዩቲዩብ ወይም /transcribe/podcast/ ለፖድካስት ፍጆታዎች (አፕል፣ ስፖቲፊ፣ RSS) ይጣል. ድምጹን እናወርዳለን፣ በ Whisper ቋንቋ=ca ውስጥ እንሰራዋለን፣ እና የጊዜ ምልክቶች እና የተናጋሪ መለያዎችን በመመለስ ትርጉሙን እንመለሳለን. የተለመደው ካታላንኛ ይዘት: የትምህርት ክፍሎች፣ ቃለ ምልልስ፣ የድምፅ ማስታወሻዎች፣ እና የዩቲዩብ ይዘት በ ካታላንኛ ሁሉም ሥራ - URL ወደ / transcribe / youtube / ወይም ፋይልን በቀጥታ ከፍ ማድረግ.
Whisper በድምፅ 50 ቶኬን በአንድ ደቂቃ ዋጋ አለው፣ ስለዚህ የአንድ ሰዓት መዝገብ ~3,000 ቶኬን ነው. አብዛኛዎቹ ተጠቃሚዎች ምንም አይከፍሉም - የ 30,000 ቶኬን ነፃ የዕለት ተዕለት ስብስብ 짧ን ክሊፖች፣ የድምፅ ማስታወሻዎች እና አንድ-off podcasts ያጠቃልላል. ከዚህ በተጨማሪ፣ መዝገብ-በ-እንደ-እርስዎ-መሄድ-ከ $1 ጋር ቶኬን-top-ups ነው.
አዎ - ሁለቱም ክፍል-ደረጃ (የየ ~10-30 ሰከንዶች) እና ቃል-ደረጃ ጊዜ ምልክቶች ይገኛሉ. ቃል-ደረጃ ለ VTT / SRT የታችኛው ክፍል ማውጣት መነሻ ነው ስለዚህ ርዕሶች መስመር-በ-መስመር ይዛመዳሉ. በ API ላይ timestamps="word" በጠየቅ አካል ውስጥ ይጫኑ. ካታላንኛ transcripts በሥርዓት UTF-8 ቋንቋው የተለመደ አጻጻፍ ጋር ተመልሷል.
አዎ. ድምፅን (ብዙ ክፍል/ፎርሙላ-ዳታ፣ የፍለጋ መስክ ስም "ፋይል") ወደ /v1/transcribe/ ቋንቋ=ca - ወይም Whisper አውቶማቲክ-መፈለግ እንዲችል ቋንቋ ፓራሜትር ይተው. በጽሑፍ፣ ክፍሎች፣ ጊዜ ምልክቶች፣ እና የተናጋሪ መለያዎች JSON ይመለሳል. ሙሉ ማነሻ እና SDK ቅንጣቶች በ /api/ ላይ ናቸው።
አዎ - መዝገበ ቃላት ከተጠናቀቀ በኋላ፣ ተርጓሚን ጠቅ ያድርጉ ወይም ጽሑፉን ወደ /translate/ ይጣሉ። ካታላንኛ ከሌሎች ቋንቋዎች ጋር ተመሳሳይ ነው (200+)። ለስብሰባ ሰዓቶች መዝገበ ቃላትን /summarize/ በመጠቀም ይጭኑ፤ ለድብቅ ንግግር ወደ /voice/tts/ መላክ በምክንያት ቋንቋ ድምፅን ለማቅረብ።
Whisper በ680k ሰዓታት የድምፅ ድምፅ ላይ ተምሯል, ስለዚህ ካታላንኛ ትርጉም ለኋላ ድምፅ, ሙዚቃ አልጋዎች, እና የፎን-ጥራት ማስመዝገቢያዎች ጠንካራ ነው. የከፋ ክሊፕ ወይም ብዙ ተጣጣፊ ተናጋሪዎች አሁንም ትክክለኛነትን ያሳድጋሉ.መዝገበ ቃላት የማይጠቀም ከሆነ፣ contact@free.ai ን ፋይል ጋር በኢሜይል ላክ - ቶኬኖችን እንመልሳለን እናም ሌላ ማሽን ድምፅህን የበለጠ እንደሚያስተዳድር እንመለከታለን።