ነጻ እንግሊዝኛ
እንግሊዝኛ ድምፅ እና ቪዲዮ ወደ ጽሑፍ ጋር AI. ፈጣን, ትክክለኛ, እና ነጻ.
እንዴት እንደሚሠራ
- ወደ መተላለፊያ ሂዱ Free.ai ተጽዕኖ ፈጣሪ
- የድምፅ ወይም የቪዲዮ ፋይልዎን እንግሊዝኛ ጫን
- የ AI ችን እንግሊዝኛ አውቶማቲክ ይለካል እና ይጻፋል
- ፋይል ጫን
እንግሊዝኛ የጽሑፍ ቅርጸት
- ✓በ faster-whisper የተሰራ (MIT ፈቃድ)
- ✓Automatic እንግሊዝኛ 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 | እንግሊዝኛ |
| ኮዶች | en |
| ሞዴል | faster-whisper |
| ዋጋ | ነጻ |
ቋንቋዎች
ቋንቋን አሳይጥያቄ
Whisper large-v3-turbo በእንግሊዝኛ 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 - እንግሊዝኛ 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.
እንግሊዝኛን መተርጎም የአሜሪካን፣ የዩናይትድ ኪንግደምን፣ የአውስትራሊያን፣ የህንድንና ሌሎችንም ዋና ዋና አነጋገር በአንድ ሞዴል ያካትታል። Whisper በሁሉም ላይ ተምሯል እናም የተናጋሪው አነጋገር ሳይለይ መተርጎሙ በስታንዳርድ እንግሊዝኛ አጻጻፍ ይወጣል ፡፡
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, እንግሊዝኛ 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 እንግሊዝኛ መዝገቦች (ፖድካስቶች፣ ሙሉ አስተምህሮዎች፣ ስብሰባዎች) በደንብ ይሠራሉ.
አዎ - ተናጋሪ diarization ነው defaultly ላይ ለእያንዳንዱ እንግሊዝኛ 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=en ውስጥ እንሰራዋለን፣ እና የጊዜ ምልክቶች እና የተናጋሪ መለያዎችን በመመለስ ትርጉሙን እንመለሳለን. የተለመደው እንግሊዝኛ ይዘት: የትምህርት ክፍሎች፣ ቃለ ምልልስ፣ የድምፅ ማስታወሻዎች፣ እና የዩቲዩብ ይዘት በ እንግሊዝኛ 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. እንግሊዝኛ transcripts በሥርዓት UTF-8 ቋንቋው የተለመደ አጻጻፍ ጋር ተመልሷል.
አዎ. ድምፅን (ብዙ ክፍል/ፎርሙላ-ዳታ፣ የፍለጋ መስክ ስም "ፋይል") ወደ /v1/transcribe/ ቋንቋ=en - 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። እንግሊዝኛ 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 እንግሊዝኛ 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።