Voz
Voz a texto (STT)
La conversión de voz a texto (STT) transcribe audio hablado a texto escrito. Combinada con un modelo de chat y con TTS, forma un ciclo de conversación por voz.
La detección de idioma, el tamaño máximo de archivo y el precio por solicitud o por minuto son los parámetros prácticos.
En eroq
Scribe One: 1 crédito por cada minuto de audio empezado, archivos de hasta 8 MB y detección automática del idioma.
Preguntas
¿Cuánto cuesta la transcripción?
1 crédito por cada minuto de audio empezado en Scribe One: una nota de voz cuesta 1 crédito y una hora de audio, 60.
¿Qué audio acepta Scribe One?
Un archivo wav o mp3 de hasta 8 MB (unos ocho minutos de voz comprimida), con el idioma detectado automáticamente o indicado con un código. Las grabaciones más largas hay que dividirlas; se cobra 1 crédito por cada minuto empezado de cada archivo, así que dividir solo cuesta el redondeo.
¿La transcripción incluye marcas de tiempo o etiquetas de hablante?
No: la respuesta es el texto del audio y nada más. No hay diarización, ni tiempos por palabra, ni archivo de subtítulos; los subtítulos se crean después a partir del texto.
Más términos de voz