Transcripción libre shona
Transcreba o son e vídeo shona a texto coa IA. Rápido, preciso e gratuíto.
Como funciona
- Ir ao Transcriptor Free.ai
- Envíe o seu ficheiro de son ou vídeo shona
- A nosa IA detecta automaticamente shona e transcríbea
- Obteña a súa transcrición como texto ou subtítulos SRT
Características de transcrición shona
- ✓Desenvolvido por faster-whisper (con licenza MIT)
- ✓Detección automática da lingua shona
- ✓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 | shona |
| Código ISO | sn |
| Modelo de IA | faster-whisper |
| Prezo | Libre |
Máis idiomas
Ver todas as linguasFAQ
shona é un idioma con poucos recursos para Whisper: large-v3-turbo supera o 25% de taxa de erros por palabra, ás veces con moita marxe. A transcrición serve para buscar e captar a esencia, pero non debe considerarse lista para publicar. Se hai un motor de maior precisión dispoñible para shona, integrámolo automaticamente.(Nivel D, over 25% word error rate en conxuntos de proba: publicamos niveis de WER honestos en vez de afirmacións de márketing.)
Si, a transcrición de shona consome primeiro o teu pool diario gratuíto de tokens. O audio custa uns 50 tokens por minuto, así que o pool diario anónimo cobre unhas horas de audio ao día. As contas con sesión iniciada teñen un pool diario maior de 30,000 tokens. Ata aí; despois, a transcrición é de pago por uso, con recargas de tokens desde $1.
As transcricións en shona devólvense en UTF-8 estándar coa ortografía habitual do idioma.
Acéptanse directamente MP3, WAV, M4A, FLAC, OGG, OPUS e WEBM. Para vídeo (MP4, MOV, MKV) extraemos a pista de audio no servidor antes de enviala a Whisper, así que non tes que converter nada. O proceso é o mesmo sexa cal sexa o idioma de orixe, incluído shona.
As cargas anónimas teñen un límite de aproximadamente 500 MB por ficheiro. As contas con sesión iniciada chegan a 2 GB. A duración non é un límite estrito: os ficheiros longos divídense automaticamente (en ventás de 30 segundos con solapamento) e únense de novo nunha soa transcrición con marcas de tempo continuas. As gravacións de varias horas en shona (podcasts, clases completas, reunións) funcionan sen problema.
Si, a diarización de falantes está activada por defecto en todas as transcricións en shona. A saída divídese como Falante 1 / Falante 2 / Falante 3 con marcas de tempo, así que as entrevistas, os debates e as reunións con varios participantes devólvense etiquetados. A diarización funciona cun modelo separado e ofrece o mesmo resultado en todos os idiomas que admitimos.
Si, pega o URL en /transcribe/youtube/ para YouTube ou en /transcribe/podcast/ para feeds de podcast (Apple, Spotify, RSS). Descargamos o audio, pasámolo por Whisper con language=sn e devolvemos a transcrición con marcas de tempo e etiquetas de falante. Contido típico en shona: funcionan as clases, as entrevistas, as notas de voz e o contido de YouTube en shona: pega un URL en /transcribe/youtube/ ou sube o ficheiro directamente.
Whisper custa arredor de 50 tokens por minuto de audio, así que unha gravación dunha hora son ~3,000 tokens. A maioría das persoas nunca gastan nada: a reserva diaria gratuíta de 30,000 tokens cobre clips curtos, notas de voz e podcasts soltos. Superada esa reserva, a transcrición é de pago por uso, con recargas de tokens desde $1.
Si, están dispoñibles tanto as marcas de tempo por segmento (cada ~10-30 segundos) como por palabra. A marca por palabra é a predeterminada na exportación de subtítulos VTT/SRT para que as lendas se sincronicen liña a liña. Na API, define timestamps="word" no corpo da solicitude. As transcricións en shona devólvense en UTF-8 estándar coa ortografía habitual do idioma.
Si. Envía o audio por POST (multipart/form-data, nome do campo “file”) a /v1/transcribe/ con language=sn, ou omite o parámetro de idioma para que Whisper o detecte automaticamente. Devolve JSON coa transcrición, os segmentos, as marcas de tempo e as etiquetas dos falantes. Referencia completa e fragmentos de SDK en /api/.
Si, cando remate a transcrición, fai clic en Translate ou pega o texto en /translate/. shona combina con todos os demais idiomas que admitimos (200+). Para actas de reunións, pasa a transcrición por /summarize/; para dobraxe, envíaa a /voice/tts/ e xera o audio no idioma de destino.
O adestramento de Whisper con ruído axuda menos neste nivel: o límite está na cantidade de audio de shona que Whisper viu durante o adestramento, non no ruído. O audio limpo de estudo segue sendo mellor que o ruidoso, pero ningún acadará a precisión que obterías nun idioma con moitos recursos.Se unha transcrición sae inutilizable, escribe a contact@free.ai co ficheiro: reembolsaremos os tokens e estudaremos se outro motor xestiona mellor o teu audio.