Gratis hausa transcription
Transskribér hausa lyd og video til tekst med AI. Hurtig, præcis og gratis.
Hvordan det virker
- Gå til Free.ai Transcriber
- Upload din hausa lyd- eller videofil
- Vores AI registrerer automatisk hausa og transskriberer det
- Download din udskrift som tekst eller SRT-undertekster
hausa transcription funktioner
- ✓Drevet af faster-whisper (MIT licenseret)
- ✓Automatisk hausa sprogdetektering
- ✓Understøtter MP3, WAV, MP4, M4A, FLAC og meget mere
- ✓Tidsstempler og eksport af undertekster (SRT)
- ✓Ingen filstørrelsesgrænser for betalte planer
- ✓Privat og sikker -- filer slettes efter behandling
Sprogoplysninger
| Sprog | hausa |
| ISO-kode | ha |
| AI-model | faster-whisper |
| Pris | Fri |
Flere sprog
Vis alle sprogOfte stillede spørgsmål
hausa er et mindre ressourcebaseret sprog for Whisper - large-v3-turbo sidder over 25% ordfejlrate, nogle gange godt over. Udskriften er nyttig til søgning og gist, men bør ikke behandles som publikationsklar. Hvis en højere nøjagtighed motor bliver tilgængelig for hausa vi wire det automatisk.(Tier D, over 25% word error rate på benchmark sæt - vi offentliggør ærlige WER niveauer snarere end markedsføring krav.)
Ja - hausa transskription trækker fra din daglige gratis token pool først. Lyd koster omkring 50 tokens per minut, så den anonyme daglige pool dækker et par timers lyd om dagen. Underskrevet-in konti får en større 30.000-token daglig pool. Forbi det, transskription er pay-as-you-go, med token top-ups fra $ 1.
hausa udskrifter returneres i standard UTF-8 med sprogets normale orthography.
MP3, WAV, M4A, FLAC, OGG, OPUS og WEBM accepteres direkte. Til video (MP4, MOV, MKV) udtrækker vi lydsporserveren, før du sender den til Whisper - du behøver ikke at konvertere noget selv. Samme rørledning uanset kildesprog, herunder hausa.
Anonym uploads cap på ca. 500 MB pr. fil. Underskrevne konti går op til 2 GB. Varigheden er ikke en hård grænse - lange filer er biddet automatisk (30 sekunders vinduer med overlapning) og syet tilbage i en enkelt udskrift med kontinuerlige tidsstempler. Multi-time hausa optagelser (podcasts, fuld forelæsninger, møder) fungerer fint.
Ja - højttaler diarisering er som standard tændt for hver hausa udskrift. Udgangen er segmenteret som højttaler 1 / højttaler 2 / højttaler 3 med tidsstempler, så interviews, paneldiskussioner og multi-party møder kommer tilbage mærket. Diarisering kører på en separat model og fungerer det samme på tværs af alle sprog, vi understøtter.
Ja - indsæt URL'en i /transcribe/youtube/ for YouTube eller /transcribe/podcast/ for podcast-feeds (Apple, Spotify, RSS). Vi downloader lyden, kører den gennem Whisper med sprog=ha, og returnerer udskriften med tidsstempler og højttaleretiketter. Typisk hausa indhold: foredrag, interviews, stemmenoter og YouTube- indhold i hausa alt arbejde - indsæt en URL i / transskrib/ youtube / eller upload filen direkte.
Whisper koster omkring 50 tokens per minut af lyd, så en en-times optagelse er ~ 3,000 tokens. De fleste brugere aldrig bruge noget - den gratis daglige pulje af 30.000 tokens dækker korte klip, stemmen noter, og one-off podcasts. Ud over det, transskription er pay-as-you-go, med token top-ups fra $ 1.
Ja - begge segment- niveau (hver ~ 10-30 sekunder) og ord- niveau tidsstempler er tilgængelige. Word- niveau er standard for VTT / SRT undertekst eksport så billedteksterne synkronisere linje- for- linje. På API sæt tidsstempler="word" i anmodningen organ. hausa udskrifter returneres i standard UTF-8 med sprogets normale orthography.
Ja. POST lyd (multipart/form- data, feltnavn "fil") til /v1/transcribe/ med sprog=ha - eller udelade sprogparameteren for at lade Whisper auto- detect. Returnerer JSON med udskrift, segmenter, tidsstempler og højttaleretiketter. Fuld reference og SDK uddrag på /api/.
Ja - når transkriptionen er færdig, klik på Oversæt eller indsæt teksten i /translate/. hausa par med alle andre sprog vi understøtter (200+). For møde minutter rør udskriften gennem /summarize /; for eftersyn sende det til / stemme / tts / at gøre lyd i målsproget.
Whisper støjtræning hjælper mindre på dette niveau - flaskehals er mængden af hausa lyd Whisper sav under træning, ikke støj. Clean studie lyd stadig slår støjende lyd, men heller ikke vil nå den nøjagtighed, du ville få på et højt ressourcesprog.Hvis en udskrift kommer tilbage ubrugelig, e-mail contact@free.ai med filen, vil vi refundere tokens og se på, om en anden motor håndterer din lyd bedre.