ነጻ ተሉጉ
ተሉጉ ድምፅ እና ቪዲዮ ወደ ጽሑፍ ጋር AI. ፈጣን, ትክክለኛ, እና ነጻ.
እንዴት እንደሚሠራ
- ወደ መተላለፊያ ሂዱ Free.ai ተጽዕኖ ፈጣሪ
- የድምፅ ወይም የቪዲዮ ፋይልዎን ተሉጉ ጫን
- የ AI ችን ተሉጉ አውቶማቲክ ይለካል እና ይጻፋል
- ፋይል ጫን
ተሉጉ የጽሑፍ ቅርጸት
- ✓በ faster-whisper የተሰራ (MIT ፈቃድ)
- ✓Automatic ተሉጉ 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 | ተሉጉ |
| ኮዶች | te |
| ሞዴል | faster-whisper |
| ዋጋ | ነጻ |
ቋንቋዎች
ቋንቋን አሳይጥያቄ
ተሉጉ ለ Whisper መካከለኛ-መዳረሻ ቋንቋ ነው - ትልቅ-v3-turbo በ 15-25% ቃል ስህተት ፍጥነት ባንድ ውስጥ ይወርዳል. የ transcript ውስጣዊነት የተረጋጋ ነው; የተሰየመ-entity ስህተቶች, ጊዜያዊ ኮድ-ማስተካከል glitches, እና ጥቂት-አስተያየት misfires መጠበቅ. ለ መጽሔት-ጥራት ውጤት ሰው መውጣት ለመቀመጥ.(በቤንማርክ ስብስቦች ላይ ደረጃ C, 15-25% word error rate - ከማስተዋወቂያ ክስ ይልቅ እውነተኛ የWER ደረጃዎችን እናወጣለን)
አዎ - ተሉጉ transcription ከዕለታዊ ነጻ token poolዎ በፊት ይወስዳል. ድምፅ በአንድ ደቂቃ ውስጥ 50 tokens ይከፍላል, ስለዚህም ያልታወቀው የዕለታዊ pool በአንድ ቀን ውስጥ የድምፅ ሰዓቶችን ያጠቃልላል. የተመዘገቡ ምዝገባዎች ትልቅ የ 30,000-token daily pool ይቀበላሉ. ከዚያ በኋላ, transcription is pay-as-you-go, with token top-ups from $1.
ተሉጉ transcripts በሥርዓት UTF-8 ቋንቋው የተለመደ አጻጻፍ ጋር ተመልሷል.
MP3, WAV, M4A, FLAC, OGG, OPUS, እና WEBM በቀጥታ ይቀበላሉ. ለቪዲዮ (MP4, MOV, MKV) እኛ ሰርቨር-በኩል የድምፅ ትራክ ወደ Whisper መላክ በፊት መውጣት - አንተ ምንም ራስህ ለመለወጥ አያስፈልግም. ተመሳሳይ ፒፕሊን ምንጭ ቋንቋ ሳይለይ, ተሉጉ 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 ተሉጉ መዝገቦች (ፖድካስቶች፣ ሙሉ አስተምህሮዎች፣ ስብሰባዎች) በደንብ ይሠራሉ.
አዎ - ተናጋሪ diarization ነው defaultly ላይ ለእያንዳንዱ ተሉጉ transcript. ምርት እንደ ተናጋሪ 1 / ተናጋሪ 2 / ተናጋሪ 3 ጋር timestamps ክፍል ነው, ስለዚህ ቃለ መጠይቅ, panel discussions, እና multi-party ስብሰባዎች labelled ይመለሳሉ. diarization በተለያዩ ሞዴል ላይ ይሮጣል እና ሁሉንም ቋንቋዎች እንደግፋለን ውስጥ አንድ ዓይነት ስራዎች.
አዎ - የዩአርኤልን ወደ /transcribe/youtube/ ለዩቲዩብ ወይም /transcribe/podcast/ ለፖድካስት ፍጆታዎች (አፕል፣ ስፖቲፊ፣ RSS) ይጣል. ድምጹን እናወርዳለን፣ በ Whisper ቋንቋ=te ውስጥ እንሰራዋለን፣ እና የጊዜ ምልክቶች እና የተናጋሪ መለያዎችን በመመለስ ትርጉሙን እንመለሳለን. የተለመደው ተሉጉ ይዘት: የዋትስአፕ የድምፅ ማስታወሻዎች፣ የዩቲዩብ ቪዲዮዎች፣ እና የጥቂት-ቅርጽ ቪዲዮዎች በጣም የተለመዱ የ ተሉጉ ሥራዎች ናቸው - URL ን ወደ /transcribe/youtube/ ይጣሉ ወይም ድምጹን በቀጥታ ይጫኑ.
Whisper በድምፅ 50 ቶኬን በአንድ ደቂቃ ዋጋ አለው፣ ስለዚህ የአንድ ሰዓት መዝገብ ~3,000 ቶኬን ነው. አብዛኛዎቹ ተጠቃሚዎች ምንም አይከፍሉም - የ 30,000 ቶኬን ነፃ የዕለት ተዕለት ስብስብ 짧ን ክሊፖች፣ የድምፅ ማስታወሻዎች እና አንድ-off podcasts ያጠቃልላል. ከዚህ በተጨማሪ፣ መዝገብ-በ-እንደ-እርስዎ-መሄድ-ከ $1 ጋር ቶኬን-top-ups ነው.
አዎ - ሁለቱም ክፍል-ደረጃ (የየ ~10-30 ሰከንዶች) እና ቃል-ደረጃ ጊዜ ምልክቶች ይገኛሉ. ቃል-ደረጃ ለ VTT / SRT የታችኛው ክፍል ማውጣት መነሻ ነው ስለዚህ ርዕሶች መስመር-በ-መስመር ይዛመዳሉ. በ API ላይ timestamps="word" በጠየቅ አካል ውስጥ ይጫኑ. ተሉጉ transcripts በሥርዓት UTF-8 ቋንቋው የተለመደ አጻጻፍ ጋር ተመልሷል.
አዎ. ድምፅን (ብዙ ክፍል/ፎርሙላ-ዳታ፣ የፍለጋ መስክ ስም "ፋይል") ወደ /v1/transcribe/ ቋንቋ=te - ወይም Whisper አውቶማቲክ-መፈለግ እንዲችል ቋንቋ ፓራሜትር ይተው. በጽሑፍ፣ ክፍሎች፣ ጊዜ ምልክቶች፣ እና የተናጋሪ መለያዎች JSON ይመለሳል. ሙሉ ማነሻ እና SDK ቅንጣቶች በ /api/ ላይ ናቸው።
አዎ - መዝገበ ቃላት ከተጠናቀቀ በኋላ፣ ተርጓሚን ጠቅ ያድርጉ ወይም ጽሑፉን ወደ /translate/ ይጣሉ። ተሉጉ ከሌሎች ቋንቋዎች ጋር ተመሳሳይ ነው (200+)። ለስብሰባ ሰዓቶች መዝገበ ቃላትን /summarize/ በመጠቀም ይጭኑ፤ ለድብቅ ንግግር ወደ /voice/tts/ መላክ በምክንያት ቋንቋ ድምፅን ለማቅረብ።
Whisper's የጩኸት ረጅምነት አሁንም ተሉጉ ላይ ይሠራል፣ ግን በዚህ ትክክለኛነት ደረጃ ማንኛውም የተጨማሪ ጩኸት የመሰረታዊ ስህተት መጠንን ያጠቃልላል። ንጹህ የጆሮ ማዳመጫ ድምፅ ከፎን ወይም ላፕቶፕ-ማይክሮፎን ማስመዝገቢያዎች የበለጠ የተሻሉ ውጤቶችን ይሰጣልመዝገበ ቃላት የማይጠቀም ከሆነ፣ contact@free.ai ን ፋይል ጋር በኢሜይል ላክ - ቶኬኖችን እንመልሳለን እናም ሌላ ማሽን ድምፅህን የበለጠ እንደሚያስተዳድር እንመለከታለን።