xAI STT v1 — Reelina AI Ήχος
Κωδικός γλώσσας ISO 639-1 (τα Φιλιππινέζικα χρησιμοποιούν 'fil'). Το μοντέλο μεταγράφει την ομιλία σε οποιαδήποτε υποστηριζόμενη γλώσσα ανεξάρτητα από αυτή την παράμετρο — ο ορισμός της, μαζί με το text_normalization=true, επιτρέπει τη μορφοποίηση αριθμών, νομισμάτων και μονάδων στη γραπτή τους μορφή για αυτή τη γλώσσα. Αφήστε το χωρίς τιμή για αυτόματη ανίχνευση γλώσσας.
Όταν είναι true, ενεργοποιεί την Αντίστροφη Κανονικοποίηση Κειμένου — μετατρέπει τους αριθμούς/νομίσματα σε προφορική μορφή σε γραπτή μορφή (π.χ. Αυτό ελέγχει τη μορφοποίηση κειμένου της απομαγνητοφώνησης, όχι τη μορφή του ήχου.
Όταν είναι true, ενεργοποιεί τη διάκριση ομιλητών (speaker diarization). Κάθε λέξη στο αποτέλεσμα περιλαμβάνει ένα πεδίο speaker_id που προσδιορίζει τον εντοπισμένο ομιλητή.
Όταν είναι true, απομαγνητοφωνεί κάθε ηχητικό κανάλι ξεχωριστά.
Όταν είναι true, οι λέξεις-γεμίσματα (π.χ. "εεε", "μμμ") συμπεριλαμβάνονται στην απομαγνητοφώνηση· όταν είναι false (προεπιλογή), αφαιρούνται αυτόματα.
Βασικοί όροι προς τους οποίους θα κατευθύνεται η μεταγραφή (π.χ. ονόματα προϊόντων). Έως 100 όροι, ο καθένας έως 50 χαρακτήρες.
Υπόδειξη μορφής για ωμό ήχο χωρίς header. Ανιχνεύεται αυτόματα για μορφές περιέκτη (όπως mp3, wav κ.λπ.), ορίστε την τιμή σε 'auto'.
Ρυθμός δειγματοληψίας σε Hz. Απαιτείται μόνο για raw ήχο (pcm, mulaw, alaw).
Αριθμός ηχητικών καναλιών (2–8). Απαιτείται μόνο για ωμό (raw) πολυκαναλικό ήχο. Ανιχνεύεται αυτόματα για μορφές δοχείου (container).
Σχετικά με το xAI STT v1
Το xAI STT v1 είναι ένα μοντέλο speech-to-text παραγωγικού επιπέδου που μετατρέπει ήχο σε ακριβές, μορφοποιημένο κείμενο. Υποστηρίζει 24+ γλώσσες με αυτόματη ανίχνευση γλώσσας, χρονικές σημάνσεις σε επίπεδο λέξης, διάκριση ομιλητών (speaker diarization), μεταγραφή πολλαπλών καναλιών και αντίστροφη κανονικοποίηση κειμένου.
Προδιαγραφές
| Πάροχος | xAI |
|---|---|
| Τύπος | Δημιουργία ήχου |
| Κόστος ανά εκτέλεση | 1 νομίσματα |
| Είσοδος | Προτροπή κειμένου |
Εναλλακτικές για το xAI STT v1
Μοντέλα σε αυτόν τον χώρο που κάνουν την ίδια δουλειά, με την πλησιέστερη τιμή πρώτα. Το υπόλοιπο νομισμάτων σου ισχύει σε όλα.
Συχνές ερωτήσεις
- Τι είναι το xAI STT v1;
- Το xAI STT v1 είναι ένα μοντέλο speech-to-text παραγωγικού επιπέδου που μετατρέπει ήχο σε ακριβές, μορφοποιημένο κείμενο. Υποστηρίζει 24+ γλώσσες με αυτόματη ανίχνευση γλώσσας, χρονικές σημάνσεις σε επίπεδο λέξης, διάκριση ομιλητών (speaker diarization), μεταγραφή πολλαπλών καναλιών και αντίστροφη κανονικοποίηση κειμένου.
- Πόσο κοστίζει το xAI STT v1;
- Το xAI STT v1 κοστίζει 1 νομίσματα ανά εκτέλεση, που αφαιρούνται από το υπόλοιπό σου στη Reelina. Το ακριβές κόστος εμφανίζεται πριν πατήσεις Δημιουργία και ένα υπόλοιπο καλύπτει όλα τα μοντέλα — δεν υπάρχει ξεχωριστή συνδρομή ανά μοντέλο.
- Τι χρειάζομαι για να χρησιμοποιήσω το xAI STT v1;
- Μια προτροπή κειμένου που περιγράφει τι θέλεις. Δεν χρειάζεται ανέβασμα.
- Μπορώ να χρησιμοποιήσω τα αποτελέσματα εμπορικά;
- Ό,τι δημιουργείς σου ανήκει, με βάση τους όρους μας και την πολιτική αποδεκτής χρήσης. Για κρίσιμες επαγγελματικές χρήσεις, έλεγξε την άδεια του μοντέλου που επιλέγεις.
- Πόσο καιρό κρατούνται τα αρχεία μου;
- Τα αρχεία που ανεβάζεις χρησιμοποιούνται μόνο για να παραχθεί το αποτέλεσμά σου. Οι δημιουργίες είναι ιδιωτικές από προεπιλογή και όλα διαγράφονται μία εβδομάδα μετά τη δημιουργία.
Ψάχνεις κάτι άλλο; Δες όλα τα μοντέλα.