ነጻ ሲንዲ
ሲንዲ ድምፅና ቪዲዮን ወደ ጽሑፍ በ AI ይተረጎሙ. ፈጣን፣ ትክክለኛና ነፃ ነው።
እንዴት እንደሚሠራ
- ወደ ፊደል ይሂዱ Free.ai ተጽዕኖ ፈጣሪ
- የድምፅ ወይም የቪዲዮ ፋይልዎን ሲንዲ ጫን
- የኛ AI ሲንዲን አውቶማቲክ አድርጎ ያገኛል እናም ይተረጎማል
- ፋይል ጫን
ሲንዲ የጽሑፍ ቅርጸት
- ✓በ faster-whisper የተሰራ (MIT ፈቃድ)
- ✓Automatic ሲንዲ 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 | ሲንዲ |
| ኮዶች | sd |
| ሞዴል | faster-whisper |
| ዋጋ | ነጻ |
ቋንቋዎች
ቋንቋን አሳይጥያቄ
ሲንዲ ለዊስፐር በጣም ጥቂት የሆኑ ምንጮች ያለው ቋንቋ ነው - ትልቅ-v3-turbo ከ 25% በላይ የቃል ስህተት መጠን አለው፣ አንዳንድ ጊዜም በጣም ከፍ ያለ ነው። ትርጓሜው ለፍለጋ እና ለግጥም ጠቃሚ ነው ግን እንደ ማተም ዝግጁ ሆኖ መቆየት የለበትም ፡፡ ለሲንዲ ከፍተኛ-ጥንካሬ ያለው መሳሪያ ቢኖር እኛ በራሳችን በራስ-ሰር እንቀላቅላለን ፡፡(በመነሻ ሰሌዳዎች ላይ ደረጃ D, over 25% word error rate - ከማስተዋወቂያ ክስ ይልቅ እውነተኛ የWER ደረጃዎችን እናወጣለን)
አዎ - ሲንዲ ትርጉም ከዕለታዊ ነጻ ቶኬን ፎልድዎ መጀመሪያ ይወስዳል. ድምፅ በአንድ ደቂቃ 50 ቶኬን ይከፍላል፣ ስለዚህም ያልታወቀው ዕለታዊ ፎልድ በዕለት ድምፅን በጥቂት ሰዓቶች ያጠቃልላል. የተመዘገቡ ሒሳብ ላላቸው ሰዎች ትልቅ የ30,000 ቶኬን ፎልድ ይሰጡታል። ከዚያ በኋላ ትርጉም ከ$1 ጀምሮ ቶኬን ፎልድ-አፕስ ጋር እንደምትሄድ የሚከፈል ነው።
ሲንዲ transcripts በደንበኛ UTF-8 በቋንቋው መደበኛ አጻጻፍ ተመልሰዋል
MP3, WAV, M4A, FLAC, OGG, OPUS, እና WEBM ቀጥታ ይቀበላሉ. ለቪዲዮ (MP4, MOV, MKV) የኦዲዮ ትራክ ሰርቨር-በኩል ወደ Whisper ከመላክዎ በፊት እናወጣለን - ምንም ነገር ራስዎ መቀየር የለብዎትም. የቋንቋ ምንጭ ሳይለይ ተመሳሳይ ቧንቧ ፣ ሲንዲን 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 ሲንዲ መዝገቦች (ፖድካስቶች፣ ሙሉ አስተምህሮዎች፣ ስብሰባዎች) በደንብ ይሠራሉ.
አዎ - ተናጋሪ diarization ነው በቅድመ-ተዘጋጅቶ ለእያንዳንዱ ሲንዲ transcript. ውጤቱ እንደ ተናጋሪ 1 / ተናጋሪ 2 / ተናጋሪ 3 ጋር ጊዜ ምልክቶች ክፍል ነው, ስለዚህ ቃለ መጠይቆች, ፓነል ውይይቶች, እና multi-party ስብሰባዎች መለያ ይመለሳሉ. diarization በተለያዩ ሞዴል ላይ ይሠራል እና በሁሉም ቋንቋዎች እኛ የምናበረታታ አንድ ዓይነት ይሠራል.
አዎ - የዩአርኤልን ወደ /transcribe/youtube/ ለዩቲዩብ ወይም /transcribe/podcast/ ለፖድካስት ፍጆታዎች (አፕል፣ ስፖቲፊ፣ ር.ኤስ.ኤስ) ይጫኑ. ድምጹን ከፍለን፣ በዊስፐር ውስጥ ቋንቋ=sd በመጠቀም እንሰራለን፣ እናም የጊዜ ምልክቶች እና የተናጋሪ መለያዎችን በመጠቀም የትራንስክሪፕቱን እንመለሳለን። የተለመደው ሲንዲ ይዘት: ሲንዲ ውስጥ ያሉት የትምህርት ክፍሎች፣ ቃለ ምልልሶች፣ የድምፅ ማስታወሻዎች፣ የዩቲዩብ ይዘቶች ሁሉ ይሠራሉ - URLን ወደ /transcribe/youtube/ ይጣሉ ወይም ፋይሉን በቀጥታ ይጫኑ.
Whisper በድምፅ 50 ቶኬን በአንድ ደቂቃ ዋጋ አለው፣ ስለዚህ የአንድ ሰዓት ማስመዝገብ ~3,000 ቶኬን ነው። አብዛኛዎቹ ተጠቃሚዎች ምንም አይከፍሉም - የ30,000 ቶኬን ነፃ የዕለት ተዕለት ስብስብ ጥቂት ክሊፖችን፣ የድምፅ ማስታወሻዎችን እና አንድ-አልባ ፖድካስቶችን ያጠቃልላል። ከዚህ በተጨማሪ፣ መዝገብ-አጻጻፍ ከ $1 ጀምሮ የቶኬን ተጨማሪዎች ያሉት እንደምትሄድ ክፍያ ነው።
አዎ - ሁለቱም ክፍል-ደረጃ (የየ ~10-30 ሰከንዶች) እና ቃል-ደረጃ ጊዜ-አስማሚዎች ይገኛሉ. ቃል-ደረጃ ለ VTT/SRT የታችኛው-ርዕስ መውጫ ቅድመ-ተዘጋጅቷል ስለዚህ ርዕሶች መስመር-በ-መስመር ይዛመዳሉ. በ API ላይ ጊዜ-አስማሚዎች="ቃል"ን በጠየቁት አካል ውስጥ ይጫኑ. ሲንዲ transcripts በደንበኛ UTF-8 በቋንቋው መደበኛ አጻጻፍ ተመልሰዋል
አዎ. ድምፅ (multipart/form-data, field name "file") ወደ /v1/transcribe/ ቋንቋ=sd ጋር POST - ወይም Whisper አውቶማቲክ-ለመለየት ቋንቋ ፓራሜትር ይተው. JSON ጋር transcript, ክፍሎች, ጊዜ ምልክቶች, እና ተናጋሪ መለያዎች ይመለሳል. ሙሉ ማነሻ እና SDK ቅርጸቶች በ /api/.
አዎ - መዝገበ ቃላት ከተጠናቀቀ በኋላ፣ ተርጓሚውን ጠቅ ያድርጉ ወይም ጽሑፉን ወደ /translate/ ይጣሉ። ሲንዲ ከሌሎች ቋንቋዎች ጋር ይጣጣማል (200+)። ለስብሰባ ደቂቃዎች መዝገበ ቃላትን ወደ /summarize/ ይላኩ፤ ለድብቅ ድምፅ ወደ /voice/tts/ መላክ በምክንያታዊው ቋንቋ ድምፅን ለማቅረብ።
የዊስፐር የድምፅ ማስተማር በዚህ ደረጃ ላይ ጥቂት ይረዳል - የቧንቧው ጫፍ የሲንዲ ድምፅ መጠን ነው ዊስፐር በሙያ ላይ ሲያይ የነበረው ድምፅ፣ ድምፅ አይደለም። ንጹህ ስቱዲዮ ድምፅ ድምፅን ያንፀባርቃል፣ ግን ሁለቱም በከፍተኛ-መዳረሻ ቋንቋ ላይ ማግኘት የሚችሉትን ትክክለኛነት አያገኙም ፡፡ድምፅዎ የማይጠቀም ከሆነ ፋይሉን ይዘው ወደ contact@free.ai ኢሜይል ያድርጉ - ቶኬኖቹን እንመልሳለን እናም ሌላ ማሽን ድምፅዎን የበለጠ እንደሚያስተዳድር እንመለከታለን።