Modelle und APIs von HeartMuLa

Über HeartMuLa

HeartMuLa stellt das Audio-Eingabemodell der Plattform. Es ist der einzige Hersteller hier, dessen Task von einer Tondatei ausgeht und nicht von einem Prompt, einem Bild oder einem Videoausschnitt.

HeartMuLa Transcribe nimmt eine Audio-URL entgegen und gibt den gesungenen Text zurück. Das Modell ist mehrsprachig, hat keine einstellbaren Optionen und wird pro Transkription abgerechnet, nicht pro Sekunde oder Token — die Kosten eines Aufrufs stehen also vorher fest. Das Ergebnis ist ein Textartefakt, folgt aber demselben Task-Lebenszyklus wie ein Bild oder ein Video: Task anlegen, bis zu einem Endzustand beobachten, dann das Ergebnis lesen.

Setzen Sie es ein, wenn Sie aus einer Aufnahme Worte brauchen. Da es keine Parameter gibt, zählen nur das gesendete Audio und der Umgang mit dem zurückgegebenen Text; die Integrationsarbeit liegt damit beim Upload- und Aufbewahrungspfad und nicht beim Prompting. Wer stattdessen Ton zum Bild erzeugen will, ist bei den Videofamilien richtig, deren Tasks Audio zum Bild anlegen.