SesCanlı
CanlıOpenAI Fısıltısı
Düz metin, ayrıntılı JSON veya zaman damgalı SRT/VTT altyazı çıkışıyla bir ses URL'sinden doğru çok dilli transkripsiyon.
Audio → text
$0.012 / minute
CanlıOpenAI + Google2 modeller
Konuşmayı Metne Dönüştürme API'si — Yapay Zeka Transkripsiyon ve Ses Analizi
Muapi'nin konuşmayı metne dönüştürme API'si, konuşulan sesi tek bir birleşik REST uç noktası aracılığıyla metne dönüştürür. İsteğe bağlı zaman damgalı SRT/VTT altyazılarıyla doğru çok dilli transkripsiyon için Whisper'ı veya ton, hoparlörler ve arka plan sesinin hızlı analizi için Gemini Audio Vision'ı kullanın. Bir API anahtarı, bir gönder ve yokla akışı ve dakika başına 0,012 ABD dolarından başlayan kullandıkça öde fiyatlandırması.
Canlı ses modelleri
Transkripsiyon ve istemli ses anlayışı2 modellerModeli Deneyin
SesCanlı
CanlıGemini Ses Görüşü
Transkripsiyonun ötesinde yerel ses anlayışı: konuşma, ton, konuşmacı değişiklikleri, müzik veya arka plan sesleri hakkında bilgi alın ve ayrıntılı bir metin analizi alın.
Audio → analysis
$2.00/M in · $5.00/M out
Filtrelerinizle eşleşen model yok.
Metne Konuşma API'si nedir?
Konuşmayı metne dönüştürme API'si, konuşulan sesi bir HTTP isteği aracılığıyla yazılı metne dönüştürür. Bir ses dosyası URL'si gönderin ve manuel bir transkripsiyon veya ses işleme hattı oluşturmadan bir transkript alın.
Muapi, Whisper ve Gemini Audio Vision'ı platformda kullanılan aynı birleşik REST modeli aracılığıyla kullanıma sunuyor. Whisper, çok dilli transkripsiyon ve altyazılar için odaklanmış seçimdir; Gemini Audio Vision, kaydın tamamıyla ilgili analize, özetlere veya yapılandırılmış gözlemlere ihtiyaç duyduğunuzda bir uyarıyı kabul eder.
Her iki uç nokta da bir Muapi API anahtarı ve standart eşzamansız istek ve yoklama yaşam döngüsünü kullanır. Her iş için modeli seçin ve yalnızca çalıştırdığınız nesil için ödeme yapın.
Konuşmadan Metne Dönüştürme API'si yetenekleri
Çok dilli transkripsiyon
Whisper, konuşma sesini düzinelerce dilde yazıya dönüştürür ve isteğe bağlı ISO-639-1 dil ipucunu kabul edebilir.
Zaman damgalı altyazılar
Video altyazıları için SRT veya VTT çıkışı isteyin veya segment başına zamanlamaya ve meta verilere ihtiyaç duyduğunuzda ayrıntılı JSON isteyin.
İstenilen ses analizi
Gemini Audio Vision, yalnızca düz bir transkript döndürmek yerine, bir ses dosyasıyla ilgili belirli bir soruyu yanıtlayabilir.
Konuşmacı ve ses farkındalığı
Gemini'den kayıttaki konuşmacı değişikliklerini, tonunu, duygusunu, müziği ve diğer arka plan seslerini tanımlamasını isteyin.
Toplantı ve podcast iş akışları
Röportajları, toplantıları, konferansları ve podcast'leri aranabilir transkriptlere, notlara veya yapılandırılmış alt girdilere dönüştürün.
Bir eşzamansız entegrasyon
Diğer Muapi modelleriyle aynı API anahtarını, yükleme akışını, gönderim uç noktasını ve sonuç yoklama sözleşmesini kullanın.
Konuşmadan metne kullanım örnekleri
Video altyazısı
Videolar, kurslar, podcast'ler ve sosyal klipler için zaman damgalı SRT veya VTT dosyaları oluşturun.
Toplantı zekası
Kayıtları yazıya dökün ve kararlar, konuşmacılar, eylem öğeleri veya üslup hakkında hedefe yönelik sorular sorun.
Sesle çalışan uygulamalar
Otomatik bir iş akışında transkriptleri arama, aracılar, özetleme veya diğer metin oluşturma adımlarına aktarın.
Konuşmadan Metine Model Karşılaştırması
| Modeli | sağlayıcı | Fiyat | En İyisi |
|---|---|---|---|
Metne Konuşma API'si kod örnekleri
Modele özgü alanları içeren bir ses URL'si gönderin, bir istek kimliği alın ve transkript veya analiz tamamlanana kadar standart sonuç uç noktasını yoklayın.
1. OpenAI Whisper ile yazıya dönüştürün
Audio_url'yi iletin ve isteğe bağlı olarak dili, yanıt_formatını, istemi veya sıcaklığı ayarlayın. Çıktı altyazı haline geldiğinde srt veya vtt'yi kullanın.
2. Gemini Audio Vision ile sesi analiz edin
Audio_url'yi ve ihtiyacınız olan transkripti, özeti, konuşmacıyı veya ses analizini açıklayan bir istemi iletin. Sonuç, oluşturulan metni içerir.
Metne Konuşma API'si SSS
Metne Konuşma API'si nedir?
Konuşmayı metne dönüştürme API'si, bir ses kaydını bir HTTP isteği aracılığıyla yazılı metne dönüştürür. Muapi, doğru transkripsiyon için Whisper'ı ve anında ses anlaşılması için Gemini Audio Vision'ı sağlar.
Whisper düz metin yerine altyazıları döndürebilir mi?
Evet. Zaman damgalı altyazı çıktısı için Response_format'ı srt veya vtt olarak ayarlayın veya segment başına meta veriler ve zamanlama için verbose_json'u kullanın.
Gemini Audio Vision'ın transkripsiyondan farkı nedir?
Gemini Audio Vision, tüm kayıtla ilgili istemi ve nedenleri kabul eder. Yalnızca kelimesi kelimesine metin döndürmek yerine yazıya dökebilir, özetleyebilir, konuşmacıları tanımlayabilir, tonu tanımlayabilir ve arka plan müziğini veya sesleri tartışabilir.
Konuşmayı metne dönüştürmenin maliyeti ne kadar?
Whisper'ın maliyeti, minimum bir dakikalık olmak üzere sesin dakikası başına 0,012 ABD dolarıdır. Gemini Audio Vision, bir milyon giriş jetonu başına 2,00 ABD Doları ve bir milyon çıkış jetonu başına 5,00 ABD Doları tutarında jeton bazlı faturalandırma kullanır.
Whisper'a hangi ses formatlarını gönderebilirim?
Whisper, mp3, mp4, mpeg, mpga, m4a, wav ve webm gibi yaygın formatları kabul eder. Yüklenen dosyanın boyutu 25 MB'ın altında olmalıdır.
Speech to Text API erişimini nasıl edinebilirim?
Bir Muapi hesabı oluşturun, kontrol panelinden bir API anahtarı oluşturun ve uç noktalardan herhangi birini çağırın. Bekleme listesi yok.
Metinden Konuşmaya API →Oluşturulan metni, transkripsiyondan sonra tekrar doğal konuşmaya dönüştürün.AI Ses ve Müzik API'si →Konuşma, müzik, ses efekti ve diğer ses modellerine göz atın.AI Lipsync API →Transkript odaklı bir ses parçasını bir yüz videosuyla senkronize edin.
Sesi metne dönüştürmeye hazır mısınız?
Bir Muapi API anahtarı oluşturun ve Whisper transkripsiyonu veya Gemini Audio Vision analiziyle başlayın.