Transcripción libre nepalí
Transcreba o son e vídeo nepalí a texto coa IA. Rápido, preciso e gratuíto.
Como funciona
- Ir ao Transcriptor Free.ai
- Envíe o seu ficheiro de son ou vídeo nepalí
- A nosa IA detecta automaticamente nepalí e transcríbea
- Obteña a súa transcrición como texto ou subtítulos SRT
Características de transcrición nepalí
- ✓Desenvolvido por faster-whisper (con licenza MIT)
- ✓Detección automática da lingua nepalí
- ✓Soporta MP3, WAV, MP4, M4A, FLAC e máis
- ✓Exportación de marcas de tempo e subtítulos (SRT)
- ✓Non hai límites de tamaño de ficheiro nos plans de pago
- ✓Privado e seguro -- os ficheiros bórranse despois do procesamento
Detalles da lingua
| Lingua | nepalí |
| Código ISO | ne |
| Modelo de IA | faster-whisper |
| Prezo | Libre |
Máis idiomas
Ver todas as linguasFAQ
nepalí é unha linguaxe con menos recursos para Whisper - large- v3- turbo ten unha taxa de erros de palabra superior ao 25%, ás veces moito máis. A transcrición é útil para procurar e facer o gist, pero non debe ser tratada como lista para publicar. Se hai un motor de maior precisión dispoñíbel para nepalí, introducimos automaticamente a transcrición.(Tier D, over 25% word error rate en conxuntos de referencia - publicamos niveis honestos de WER en lugar de reclamacións de mercadotecnia.)
Yes - nepalí transcription draws from your daily free token pool first. Audio costs about 50 tokens per minute, so the anonymous daily pool covers a few hours of audio per day. Signed-in accounts get a larger 30,000-token daily pool. Past that, transcription is pay-as-you-go, with token top-ups from $1.
As transcricións nepalí devólvense en escritura Devanagari (UTF- 8).
Acéptanse directamente MP3, WAV, M4A, FLAC, OGG, OPUS e WEBM. Para os vídeos (MP4, MOV, MKV) extraemos a pista de son do servidor antes de enviala a Whisper - non precisa converter nada. O mesmo canle independentemente da lingua de orixe, incluíndo nepalí.
O límite máximo de envío anónimo é de aproximadamente 500 MB por ficheiro. As contas rexistradas chegan a 2 GB. A duración non é un límite ríxido - os ficheiros longos son divididos automaticamente (fendas de 30 segundos con superposición) e unidos nunha única transcrición con marcas de tempo continuas. As gravacións de nepalí de varias horas (podcasts, conferencias completas, reunións) funcionan ben.
Si - a diarización do falante está activada por omisión para cada transcrición nepalí. A saída é segmentada como Falante 1 / Falante 2 / Falante 3 con marcas de tempo, polo que as entrevistas, discusións de panel e reunións multipartito regresan etiquetadas. A diarización funciona nun modelo separado e funciona igual en todas as linguas que soportamos.
Si - apega o URL en / transcribe/ youtube/ para YouTube ou / transcribe/ podcast/ para fontes de podcast (Apple, Spotify, RSS). Obtemos o son, executámolo a través de Whisper con language=ne e devolvemos a transcrición con marcas de tempo e etiquetas de orador. O contido típico de nepalí é: conferencias, entrevistas, notas de voz e contido de YouTube en nepalí funcionan todos - apegue un URL en / transcribe/ youtube / ou envíe o ficheiro directamente.
Whisper costs about 50 tokens per minute of audio, so a one-hour recording is ~3,000 tokens. Most users never spend anything - the free daily pool of 30,000 tokens covers short clips, voice notes, and one-off podcasts. Beyond it, transcription is pay-as-you-go, with token top-ups from $1.
Si, están dispoñíbeis marcas de tempo tanto a nivel de segmento (cada ~10- 30 segundos) como a nivel de palabra. O nivel de palabra é o predeterminado para a exportación de subtítulos VTT/ SRT, polo que os subtítulos sincronízanse liña por liña. Na API estabeleza timestamps=" word "no corpo da solicitude. As transcricións nepalí devólvense en escritura Devanagari (UTF- 8).
Si. POST audio (multipart/ form- data, campo nome "ficheiro") a / v1/ transcribe / con language=ne - ou omita o parámetro de lingua para permitir a detección automática de Whisper. Devolve JSON coa transcrición, segmentos, marcas de tempo e etiquetas de orador. Referencia completa e fragmentos de SDK en / api /.
Si - unha vez rematada a transcrición, prema Traducir ou apegue o texto en / translate /. nepalí emparéllase con todas as outras linguas que soportamos (máis de 200). Para as actas das reunións, a transcrición pasa por / summarize /; para a dobraxe envíase a / voice/ tts / para reproducir o son na lingua de destino.
O adestramento de ruído de Whisper axuda menos neste nivel - o cuello de botella é a cantidade de son nepalí que Whisper viu durante o adestramento, non o ruído. O son limpo de estudio aínda é mellor que o ruído, pero ningún dos dous alcanzará a precisión que se obtería nunha linguaxe de recursos altos.Se unha transcrición non se pode usar, envíe un correo electrónico a contact@free.ai co ficheiro - devolveremos os tokens e veremos se un motor diferente manexa mellor o seu son.