Mowa na tekstO modelu HeartMuLa Transcribe
HeartMuLa Transcribe wyciąga z pliku audio zaśpiewany tekst i zwraca go jako tekst. Jedno pole audio, żadnych opcji, wiele języków, rozliczenie za transkrypcję, a nie za minutę.
Wywołujesz go nazwą modelu heartmula/transcribe/speech-to-text w POST /jobs/createTask, od 8 kredytów za generację (0,08 USD). Nowe konta dostają 30 darmowych kredytów, więc możesz najpierw przetestować go w Playgroundzie.
Ten poradnik jest na razie tylko po angielsku. →
Parametry żądania
| Parametr | Wymagany | Opis |
|---|---|---|
audio_url | Tak | Głos lub muzyka do użycia. |
Ceny
Ceny podajemy w kredytach, tych samych, których używasz na stronie (1 kredyt = 0,01 $). Kwota jest rezerwowana, gdy zadanie zostaje przyjęte, a po zakończeniu rozliczana według rzeczywistego kosztu; za nieudane zadania kredyty wracają.
| Opcja | Kredyty za generację | ≈ USD |
|---|---|---|
| Standard | 7,5 | 0,075 USD |
Każde zadanie jest zaokrąglane w górę do pełnych kredytów, więc jedno uruchomienie na najniższym poziomie kosztuje 8 kredytów za generację (0,08 USD).
Żeby poznać dokładną kwotę przed uruchomieniem, wyślij to samo body na POST /jobs/quote.
Szybki start z API
Wywołaj API HeartMuLa Transcribe w trzech krokach
- Utwórz klucz API. Zaloguj się do PopNow i utwórz klucz w konsoli API. Klucze zaczynają się od sk-popnow- i korzystają z tych samych kredytów co strona.
- Wyślij żądanie. Wyślij POST /jobs/createTask z model heartmula/transcribe/speech-to-text i obiektem input zgodnym z tabelą parametrów. Odpowiedź od razu zwraca ID zadania.
- Odbierz wynik. Odpytuj GET /jobs/recordInfo po ID zadania albo podaj callBackUrl, a wyślemy tam wynik. Gdy zadanie się powiedzie, pobierz pliki z linków wyjściowych.
# 1. Create the task. Keep the Idempotency-Key if you retry after a network error.
export IDEMPOTENCY_KEY="$(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"Podmień prompt i linki na własne. Odniesienie do odpowiedzi, odpytywania i callbacku znajdziesz na karcie API.
Pytania o API HeartMuLa Transcribe
Ile kosztuje API HeartMuLa Transcribe?
HeartMuLa Transcribe kosztuje 8 kredytów (0,08 USD) za generację. Kredyty są te same co na stronie (1 kredyt = 0,01 USD), nowe konta dostają 30 darmowych kredytów, a nieudane zadania są zwracane.
Jaka jest nazwa modelu HeartMuLa Transcribe w API?
Wpisz heartmula/transcribe/speech-to-text do zadania Mowa na tekst w polu model żądania POST /jobs/createTask.
Czy dostanę znaczniki czasu albo czasy poszczególnych linijek?
Nie. Na wyjściu jest sam tekst utworu, bez czasów, bez wartości pewności i bez etykiet głosów czy sekcji. Przygotowanie napisów nadal wymaga własnego dopasowania.
Czy muszę podać, w jakim języku jest nagranie?
Nie musisz i nie możesz. Model radzi sobie z wieloma językami samodzielnie i nie podaje, który rozpoznał.
Jak radzi sobie z mową zamiast ze śpiewem?
Jest nastawiony na tekst śpiewany na tle muzyki. Mowa zwykle się przepisuje, ale do wywiadów, podcastów i spotkań lepszym narzędziem jest ogólny model rozpoznawania mowy.
Czy mogę wypróbować HeartMuLa Transcribe bez pisania kodu?
Tak. Playground uruchamia HeartMuLa Transcribe na twoich kredytach PopNow, nie wymaga klucza API i pokazuje kod do każdej generacji.