Speech-to-Text AI

OpenAI Whisper real-time speech recognition for audio/video files and YouTube videos. Supports mp3, mp4, mpeg, mpga, m4a, wav and webm. Converts audio to text with support for multiple languages, ensuring precision and reliability.

OpenAI Whisper 可针对音频/视频文件及YouTube视频提供实时语音识别服务，支持mp3、mp4、mpeg、mpga、m4a、wav与webm多种格式，能够将音频转换为文本，支持多语言识别，且可保障识别精度与可靠性。

原始信息汇总

基于您提供的页面内容，以下是该数据集的详情概述：

数据集/API 详情：Speech-to-Text AI

基本信息

• 名称：Speech-to-Text AI
• 类别：人工智能/机器学习
• 提供商：Dataverse
• 订阅用户数：1509
• 评分与表现：
  • 受欢迎程度：9.7
  • 服务等级：98%
  • 延迟：25243ms
  • 测试成功率：100%

核心功能

• 技术基础：基于 OpenAI Whisper 模型的实时语音识别。
• 主要用途：将音频或视频文件（包括 YouTube 视频）中的语音转换为文本。
• 支持的语言：支持多种语言，确保高精度和可靠性。

支持的输入格式

• 音频/视频格式：mp3、mp4、mpeg、mpga、m4a、wav、webm。

外部平台支持

• 支持直接从外部平台处理内容，包括：YouTube、TikTok、Instagram、Facebook、X (Twitter)、Vimeo、LinkedIn。

关键特性

1. 实时转录：提供实时将语音转换为文本的能力，适用于直播字幕、交互式语音响应等场景。
2. 广泛格式兼容性：支持多种音视频格式，无需用户预先转换文件。
3. 多语言支持：支持多种语言转录，服务于全球用户和跨语言场景。
4. 可扩展性与性能：能够高效处理从单个录音到大量音频数据的各种工作负载。

计费模式

• 收费标准：按 GPU 单元计费，而非请求时长。GPU 单元价格为 $0.0015/单元。
• 定价计划：
  • BASIC：$0.00/月
  • PRO：$10.00/月
  • ULTRA：$50.00/月
  • MEGA：$100.00/月
• 价格示例（基于音频时长）：

  音频时长	GPU 单元数	预估价格
  1 分钟	3	$0.0045
  5 分钟	5	$0.0075
  10 分钟	7	$0.0105
  15 分钟	7	$0.0105
  30 分钟	13	$0.0195
  45 分钟	17	$0.0255
  1 小时	19	$0.0285
  1.5 小时	23	$0.0345
  2 小时	37	$0.0555
  注：实际 GPU 单元消耗由请求决定，可能有所变化。