Transcripción libre galés

Transcreba o son e vídeo galés a texto coa IA. Rápido, preciso e gratuíto.

Como funciona

  1. Ir ao Transcriptor Free.ai
  2. Envíe o seu ficheiro de son ou vídeo galés
  3. A nosa IA detecta automaticamente galés e transcríbea
  4. Obteña a súa transcrición como texto ou subtítulos SRT

Características de transcrición galés

  • ✓Desenvolvido por faster-whisper (con licenza MIT)
  • ✓Detección automática da lingua galés
  • ✓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

Linguagalés
Código ISOcy
Modelo de IAfaster-whisper
PrezoLibre

Máis idiomas

Ver todas as linguas

FAQ

galés é un idioma de recursos medios para Whisper: large-v3-turbo sitúase na franxa do 15-25% de taxa de erros por palabra. A esencia da transcrición é fiable; agarda erros en nomes propios, algún fallo de alternancia de idiomas e erros en enunciados curtos. Prevé unha revisión humana se o queres con calidade de publicación.(Nivel C, 15-25% word error rate en conxuntos de proba: publicamos niveis de WER honestos en vez de afirmacións de márketing.)

Si, a transcrición de galés 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 galés 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 galés.

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 galés (podcasts, clases completas, reunións) funcionan sen problema.

Si, a diarización de falantes está activada por defecto en todas as transcricións en galés. 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=cy e devolvemos a transcrición con marcas de tempo e etiquetas de falante. Contido típico en galés: funcionan as clases, as entrevistas, as notas de voz e o contido de YouTube en galés: 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 galés 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=cy, 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/. galés 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.

A robustez de Whisper ante o ruído segue aplicándose en galés, pero neste nivel de precisión calquera ruído extra agrava a taxa de erro de base. O audio limpo con micrófono de diadema dá resultados claramente mellores que as gravacións co teléfono ou o micrófono do portátil.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.

Amas a Free.ai?

Valora esta páxina