Brīvs hausu transkripcija
Atšifrēt hausu audio un video tekstu ar AI. Ātra, precīza un bezmaksas.
Kā tas notiek
- Iet uz Free.ai Transkribers
- Augšupielādēt savu hausu audio vai video failu
- Mūsu AI automātiski nosaka hausu un tranšeju
- Lejupielādēt transkriptu kā tekstu vai SRT subtitrus
hausu transkripcijas īpašības
- ✓Powered by faster-whisper (MIT licencēts)
- ✓Automātiska hausu valodas atklāšana
- ✓Atbalsta MP3, WAV, MP4, M4A, FLAC, un vairāk
- ✓Laikraksti un apakšvirsrakstu eksports (SRT)
- ✓Nav atļauto failu lieluma ierobežojumu attiecībā uz maksas plāniem
- ✓Privāta un droša -- pēc apstrādes failus izdzēš
Valodas detaļas
| Valoda | hausu |
| ISO kods | ha |
| AI paraugs | faster-whisper |
| Cena | Bezmaksas |
Vairāk valodu
Skatīt visas valodasBUJ
hausu ir Whisper mazāk resursētā valoda — liels- v3- turbo sēž virs 25% vārdu kļūdu īpatsvara, dažkārt krietni virs tā. Tranraksts ir noderīgs meklēšanai un gist, bet to nevajadzētu uzskatīt par publicēšanai gatavu. Ja ir pieejams augstākas precizitātes dzinējs hausu, mēs to vadām automātiski.(Tier D, over 25% word error rate uz etalonu komplektiem - mēs publicējam godīgu WER līmeņi nevis mārketinga prasības.)
Jā - hausu transkripcija vērš no jūsu ikdienas bezmaksas žetonu baseins vispirms. Audio izmaksas aptuveni 50 žetoni minūtē, tāpēc anonīms dienas baseins aptver dažas stundas audio dienā. Parakstīts-in kontus iegūt lielāku 30,000-token dienas baseins. Pagāt, ka transkripcija ir pay-as-you-go, ar žetonu papild-ups no $ 1.
hausu transkriptus atgriež standarta UTF-8 ar valodas normālo ortogrāfiju.
MP3, WAV, M4A, FLAC, OGG, OPS, un WEBM tiek pieņemti tieši. Video (MP4, MOV, MKV) mēs izņemam audio celiņu servera pusē pirms nosūtīšanas to Whisper - jums nav nepieciešams pārvērst neko pašu. Tas pats cauruļvads neatkarīgi no avota valodu, tostarp hausu.
Anonimizēts augšupielādē vāciņu aptuveni 500 MB par failu. Ierakstītie konti ir līdz 2 GB. Ilgums nav grūti ierobežot - gari faili tiek sagriezti automātiski (30 sekunžu logi ar pārklāšanos) un sašūti atpakaļ vienā transkriptā ar nepārtrauktām laikazīmēm. Vairāku stundu hausu ieraksti (podcasts, pilns lekcijas, tikšanās) darbojas labi.
Jā - skaļrunis ir ieslēgts pēc noklusējuma katram hausu transkriptam. Izlaide ir segmentēta kā skaļrunis 1 / skaļrunis 2 / skaļrunis 3 ar laika rakstzīmēm, tāpēc tiek atzīmētas intervijas, paneļdiskusija un vairāku partiju tikšanās. Diarizācija notiek ar atsevišķu modeli un darbojas tāpat visās valodās, kuras mēs atbalstām.
Jā - ielīmēt URL / transkripciju/ youtube/ YouTube vai / transkripciju/ podcast/ podcast ziņu saņemšanai (Apple, Spotify, RSS). Mēs lejupielādējam audio, palaist to caur Whisper ar valodu=ha, un atgriezt transkripciju ar laika zīmju un skaļruņu etiķetēm. Tipiskais hausu saturs: lekcijas, intervijas, balss piezīmes, un YouTube saturs hausu visu darbu - ielīmēt URL / translator / youtube / vai augšupielādēt failu tieši.
Whisper maksā aptuveni 50 žetonus minūtē audio, tāpēc vienas stundas ieraksts ir ~ 3000 žetonu. Lielākā daļa lietotāju nekad netērē neko - bezmaksas ikdienas baseins 30,000 žetonu sedz īsus klipus, balss piezīmes un vienu off podcast. Pēc tam transkripcija ir pay-as-you-go, ar žetonu papildpakalpojumi no $ 1.
Jā - ir pieejami gan segmenta līmeņa (katru ~10- 30 sekunžu) gan vārda līmeņa rakstzīmes. Vārda līmenis ir noklusētais VTT/ SRT apakšvirsmas eksportam, tāpēc paraksti sinhronizē līniju pa rindai. Par API komplektu rakstzīmes="vārdi" pieprasījuma iestādē. hausu transkriptus atgriež standarta UTF-8 ar valodas normālo ortogrāfiju.
Jā. Pēc audio (daudzdatnes/ formas dati, lauka nosaukums "fails") / v1/ trancrate/ ar valodu=ha - vai izlaist valodas parametru, lai ļautu Whisper automātiski noteikt. Atgriež JSON ar transkriptu, segmentiem, laika zīmju un skaļruņu uzlīmes. Pilna atsauce un SDK fragmenti pie /api/.
Jā - kad transkripcija ir pabeigta, noklikšķiniet uz Tulkot vai ielīmēt tekstu /translate/. hausu pāros ar katru citu valodu, mēs atbalstām (200+). Lai tiktos minūtes cauri transkripcija caur /summarize/; lai dublētu sūtīt to uz /balst/ tts/ padarīt audio mērķa valodā.
Whisper's noise training helps less at this tier - the bottleneck is the amount of hausu audio Whisper saw during training, not noise. Clean studio audio still beats noisy audio, but neither will reach the accuracy you would get on a high-resource language.Ja transkripts atgriežas nelietojams, e-pasts contact@free.ai ar failu - mēs atmaksāsim žetonus un paskatīsimies, vai cits motors labāk apstrādā jūsu audio.