Voz a textoAcerca de HeartMuLa Transcribe
HeartMuLa Transcribe extrae la letra cantada de un archivo de audio y la devuelve en texto. Un campo de audio, ninguna opción, multilingüe, se factura por transcripción y no por minuto.
Llámalo con el nombre de modelo heartmula/transcribe/speech-to-text en POST /jobs/createTask, desde 8 créditos por generación (0,08 US$). Las cuentas nuevas reciben 30 créditos gratis para que lo pruebes primero en el Playground.
Por ahora esta guía solo está en inglés. →
Parámetros de la petición
| Parámetro | Obligatorio | Descripción |
|---|---|---|
audio_url | Sí | La voz o la música que se usará. |
Precios
Los precios están en créditos, los mismos que usas en la web (1 crédito = 0,01 $). El importe se retiene cuando se acepta la tarea y se liquida al coste real cuando termina; las tareas fallidas se reembolsan.
| Opción | Créditos por generación | ≈ USD |
|---|---|---|
| Estándar | 7,5 | 0,075 US$ |
Cada tarea se redondea al alza a créditos enteros, así que una ejecución en el nivel más bajo cuesta 8 créditos por generación (0,08 US$).
Para saber la cifra exacta antes de ejecutar, envía el mismo cuerpo a POST /jobs/quote.
Inicio rápido de la API
Llama a la API de HeartMuLa Transcribe en tres pasos
- Crea una clave de API. Inicia sesión en PopNow y crea una clave en la consola de la API. Las claves empiezan por sk-popnow- y usan los mismos créditos que el sitio web.
- Envía la solicitud. Haz POST /jobs/createTask con model heartmula/transcribe/speech-to-text y un objeto input según la tabla de parámetros. La respuesta devuelve un ID de tarea al instante.
- Obtén el resultado. Consulta GET /jobs/recordInfo con el ID de tarea, o pasa una callBackUrl y te enviamos el resultado ahí. Descarga los enlaces de salida cuando la tarea termine bien.
# 1. Create the task. Keep the Idempotency-Key if you retry after a network error.
export IDEMPOTENCY_KEY="$(uuidgen)"
curl -X POST https://api.popnow.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $POPNOW_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $IDEMPOTENCY_KEY" \
-d '{
"model": "heartmula/transcribe/speech-to-text",
"input": {
"audio_url": "https://media.popnow.ai/shortfilm/voices/Aoede-46e4c427.mp3"
}
}'
# 2. Copy data.taskId from the response, then poll until state is succeeded, failed, canceled or expired.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.popnow.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $POPNOW_API_KEY"Sustituye el prompt y los enlaces por los tuyos. La pestaña API tiene la referencia de la respuesta, el sondeo y el callback.
Preguntas sobre la API de HeartMuLa Transcribe
¿Cuánto cuesta la API de HeartMuLa Transcribe?
HeartMuLa Transcribe cuesta 8 créditos (0,08 US$) por generación. Los créditos son los mismos que en la web (1 crédito = 0,01 $), las cuentas nuevas reciben 30 créditos gratis y las tareas fallidas se reembolsan.
¿Cuál es el nombre de modelo de HeartMuLa Transcribe en la API?
Pon heartmula/transcribe/speech-to-text para Voz a texto en el campo model de POST /jobs/createTask.
¿Puedo obtener marcas de tiempo o tiempos por línea?
No. La salida es la letra, sin tiempos, sin valores de confianza y sin etiquetas de hablante o de sección. Los flujos de subtitulado conservan su propia pasada de alineación.
¿Tengo que decir en qué idioma está el audio?
No, y tampoco puedes. El modelo maneja varios idiomas por su cuenta y no informa cuál detectó.
¿Qué tan bien funciona con habla en vez de canto?
Está ajustado a la letra cantada sobre música. El habla suele transcribirse, pero para entrevistas, pódcast y reuniones un modelo general de voz a texto es la herramienta correcta.
¿Puedo probar HeartMuLa Transcribe sin escribir código?
Sí. El Playground ejecuta HeartMuLa Transcribe con tus créditos de PopNow, no necesita clave API y te muestra el código de cada generación.