Aller au contenu principal

HeartMuLa Transcribe API

Sans censure — Ce modèle déclare ne pas filtrer le contenu. SpicyAPI transmet sans ajouter d’analyse de contenu par la plateforme ; les obligations juridiques et de consentement restent au client.Voir tous les modèles à ce niveau de filtrage
heartmula/transcribe/speech-to-text

HeartMuLa Transcribe est un endpoint speech-to-text multilingue réglé pour les voix chantées : envoyez l’URL d’un audio et récupérez les paroles en texte. Aucune option ; ni horodatage des lignes, ni scores de confiance, ni étiquettes de locuteurs en retour.

À partir de $0.05/requête
Exécuter le modèle

Atelier

Entrée

Parole vers texte
0/1

Déposez un fichier audio ou parcourez · 1 fichier · 90 Mo max. · MP3 · WAV

0 / 1 fichiers
Une URL qui résout directement vers un fichier audio. Les pages qui renvoient du HTML échouent comme ressource invalide. Aucune indication de langue n’est nécessaire ni acceptée : le modèle est multilingue et la déduit de l’audio. 1 caractères minimum

Nous vérifions votre compte avant d’activer l’envoi et le calcul du prix.

1 champ obligatoire manquant : Audio d’entrée

Sortie

Prêt pour une nouvelle exécution

Le résultat apparaîtra ici.

Configurez les entrées, vérifiez l’estimation, puis lancez le modèle.

Modèles liés et tâches suivantes

Le modèle que vous cherchez n’est pas là ?

Dites-nous lequel ajouter et à quoi il vous servira. Les demandes vont directement à l’équipe qui décide des prochains modèles.

Les paroles extraites d’un mix terminé, rendues sous forme de texte

HeartMuLa Transcribe prend un seul champ, une URL audio, et renvoie les mots chantés dans cet enregistrement sous forme de texte, sur la tâche. Il n’y a ni réglage de langue, ni option d’horodatage, ni bascule de séparation des voix : ces champs n’existent pas dans le schéma. C’est la seule famille de ce catalogue qui termine une tâche par du texte et non par un fichier média, donc rien n’est écrit dans le stockage média et vous n’avez aucune étape de téléchargement à construire. La facturation se fait à la transcription et non à la minute, ce qui met exactement au même prix un titre de six minutes et un hook de vingt secondes.

Ouvrir le Playground
Champs de la requête
Un seul : audio_url, une URL qui résout vers de l’audio
Sortie
Les paroles en texte sur le résultat de la tâche, sans fichier ni URL de ressource
Facturation
À la transcription, indépendamment de la durée de l’audio
Langues
Multilingue ; la langue détectée n’est pas signalée
Plafond de la tâche
3 600 secondes entre l’envoi et l’état terminal
Conservation
Aucune ressource média ; l’audio envoyé est supprimé après 1 jour
Forme
Un champ obligatoire, et le schéma refuse le resteaudio_url constitue tout le corps de la requête : une chaîne URI non vide qui doit résoudre directement vers l’audio. Toute autre clé échoue à la validation au lieu d’être silencieusement écartée ; un appel qui renvoie une transcription est donc un appel qui a utilisé exactement ce que vous avez envoyé. Rien à régler d’un appel à l’autre, et aucune feuille de paramètres à maintenir à jour à mesure que l’intégration grandit.
Sortie
Du texte sur la tâche, pas un fichier dans un bucketToutes les autres familles ici terminent en écrivant un fichier que vous allez chercher. Celle-ci termine sur la tâche elle-même, la transcription figurant dans le résultat. Pas d’étape de téléchargement, rien qui entre dans la fenêtre de rétention média de 14 jours, et dans votre client une seule branche qui lit un champ texte là où les autres parcourent une liste de ressources.
Cible
Réglé pour une voix qui lutte contre le mixUne ligne chantée arrive compressée, doublée, noyée de réverbération et en concurrence avec des instruments dans la même plage de fréquences : exactement le cas pour lequel les modèles de parole généralistes n’ont pas été entraînés, et où ils ont tendance à ne rendre que des fragments. C’est là que ce modèle est réglé. Pour un entretien ou un podcast, sans mix à combattre, un modèle de reconnaissance vocale généraliste reste le meilleur outil.

Ce que l’API HeartMuLa Transcribe fait bien

  • Une requête que vous écrivez de mémoire

    Une clé, une valeur de type chaîne. Aucune feuille de paramètres à entretenir, aucune combinaison de réglages capable de modifier en silence ce qui est demandé au modèle, aucun plan de migration à prévoir quand l’intégration grandit. Le schéma étant fermé, une faute de frappe dans un nom de clé revient immédiatement sous forme de requête invalide, plutôt que sous forme de transcription produite avec un réglage que vous croyiez appliqué.

  • Le texte des paroles arrive sur la tâche elle-même

    Le résultat porte directement la transcription : aucune URL signée à récupérer, aucun stockage objet à alimenter, aucune tâche de nettoyage à planifier pour les fichiers téléchargés. Un pipeline qui traite déjà des tâches média n’a besoin que d’une branche supplémentaire : quand cet endpoint se termine, lisez le champ texte au lieu de parcourir une liste de ressources, et envoyez-le là où vos paroles sont déjà stockées.

  • La durée n’entre jamais dans la facture

    La facturation se fait par requête acceptée : la durée de l’audio, sa fréquence d’échantillonnage et la quantité de texte réellement obtenue laissent le montant inchangé. Budgéter un arriéré devient une multiplication, nombre de titres par prix unitaire, au lieu d’une fonction de la durée totale. L’envers mérite d’être anticipé : une pile de très courts extraits revient proportionnellement cher par minute d’audio traitée.

  • Multilingue, sans champ de langue

    Le modèle gère plusieurs langues de lui-même et aucun champ ne permet d’en déclarer une, ce qui supprime toute une catégorie de préparation sur un catalogue multilingue : pas de passe de détection en amont, pas de table de routage par langue, pas de reprises pour cause de mauvaise langue. En revanche, la langue trouvée n’est pas signalée : si vous avez besoin de cette étiquette, elle doit venir de vos propres métadonnées.

  • Chaque parole revient telle qu’elle est chantée

    SpicyAPI n’ajoute aucun filtre de contenu par-dessus : les grossièretés et les paroles sans censure sont transcrites plutôt que masquées ou bipées. Pour la vérification des droits, les files de modération et les produits audio sans censure, c’est précisément ce qui compte : une transcription trouée ne peut pas répondre à la question pour laquelle ces flux ont été conçus. Les droits sur l’audio et sur la transcription restent les vôtres.

  • Asynchrone, avec un plafond volontairement large

    L’envoi renvoie une tâche immédiatement ; la transcription se lit ensuite en interrogeant cette tâche ou en traitant le callback que vous avez enregistré. Le plafond est de 3 600 secondes entre la création et l’état terminal, fixé si large parce que la seule attente en file dépasse couramment cinq minutes. Un lot de quelques centaines de titres part donc d’un seul worker et se récupère à mesure que les résultats tombent.

À qui s’adresse HeartMuLa Transcribe

  • Équipes catalogue et métadonnées

    Rendre un fonds ancien consultable par ce qu’il dit

    Le texte des paroles transforme une étagère de fichiers audio en matière consultable, indexable, comparable et affichable. Ce qui rend ici la longue traîne abordable, c’est la facturation à l’appel : le coût d’un traitement dépend du nombre de titres et non de la durée totale, si bien que la clôture d’album de dix minutes ne coûte pas plus que l’interlude qui la précède.

  • Vidéo courte et sous-titrage

    Obtenir les mots avant le minutage

    Des sous-titres posés sur un lit musical réclament d’abord les lignes, le minutage ensuite. Cet endpoint vous donne le texte ; les temps viennent d’une passe d’alignement forcé sur le même audio, puisque la sortie ne porte ni temps de ligne, ni indice de confiance, ni découpage. Mieux vaut concevoir cette répartition dès le départ que la découvrir à l’étape des sous-titres.

  • Confiance, sécurité et vérification des droits

    Lire ce qu’un titre dit vraiment avant publication

    La personne qui tranche sur une classification par âge ou sur une revendication de droits a besoin des mots, pas d’un résumé ni d’une version expurgée. Comme aucun filtre de plateforme n’est appliqué, la transcription reflète l’enregistrement, et c’est la seule forme utile à cette décision. Ce que la transcription ne dit pas, en revanche, c’est qui détient les droits : cette vérification reste de votre côté.

  • Produits audio sans censure

    Une étape de transcription qui ne refuse pas le matériel

    Des catalogues qu’un prestataire généraliste rejetterait sont ici transcrits tels qu’ils ont été enregistrés. Recherche, étiquetage et fonctions d’accessibilité continuent donc de fonctionner sur le même contenu que le reste du produit, au lieu de laisser une partie de la bibliothèque totalement dépourvue de texte. La responsabilité du matériel source et de ses droits reste à celui qui appelle.

Comment appeler l’API HeartMuLa Transcribe

  1. Pointez audio_url vers le fichier, pas vers une page qui en parle

    L’URL doit répondre avec les données audio elles-mêmes. Un lien signé à durée limitée convient tant qu’il reste valide. Une page de lecture, un lien de partage ou toute autre adresse qui renvoie du HTML échoue comme matériel invalide avant qu’une seule ligne soit transcrite. En cas de doute, appelez l’URL vous-même une fois et regardez ce qui revient.

  2. Envoyez l’unique champ avec un Idempotency-Key

    Le corps contient audio_url et rien d’autre. Conservez l’identifiant de tâche renvoyé et joignez un Idempotency-Key à la requête : la clé reste valable 24 heures, donc une nouvelle tentative après une coupure retombe sur la même tâche au lieu d’en créer une seconde, facturée séparément.

  3. Interrogez la tâche ou prenez le callback, avec des délais proches du plafond

    L’endpoint est asynchrone. Interrogez-le avec un intervalle croissant, ou enregistrez une URL de callback et supprimez la boucle. Laissez de la marge jusqu’au plafond de 3 600 secondes : l’attente en file dépasse régulièrement cinq minutes, et un délai client d’une ou deux minutes fait passer pour mort un traitement parfaitement sain.

  4. Lisez le texte sur la tâche et recopiez-le chez vous

    La transcription arrive en texte sur le résultat : rien à télécharger, et rien n’apparaît dans le stockage média. Elle est effacée au même rythme que les prompts, donc la copie durable est la vôtre, pas la nôtre. Écrivez-la à côté de l’identifiant du titre au moment précis où la tâche atteint un état terminal.

  5. Triez le lot avant de le lancer

    Un instrumental ne renvoie presque rien, et ce traitement a tout de même atteint un état terminal réussi : il est donc facturé comme les autres. Un contrôle de présence de chant avant un gros lot est vite rentabilisé, puisqu’un extrait de six secondes coûte autant qu’un titre de six minutes. Gardez un audio à l’échelle d’une œuvre : plusieurs titres collés dans un même fichier reviennent en un seul bloc de texte continu.

HeartMuLa Transcribe : exemples concrets

  • Un titre isolé depuis un stockage public

    L’appel minimal qui fonctionne : une clé, une URL qui répond avec de l’audio. Rien d’autre n’est accepté et rien d’autre n’est nécessaire. La réponse est un enregistrement de tâche ; les paroles arrivent dans le résultat de cette tâche dès qu’elle atteint un état terminal.

    {"audio_url": "https://files.example.com/masters/track-07.mp3"}

  • Un fichier privé derrière un lien signé

    Du matériel non public fonctionne tant que le lien lui-même résout vers l’audio pendant sa validité. Donnez à la signature une durée de vie qui couvre l’attente en file, laquelle dépasse régulièrement cinq minutes, et non les quelques secondes d’un téléchargement direct.

    {"audio_url": "https://storage.example.com/takes/session-04.wav?X-Amz-Expires=3600&X-Amz-Signature=2f9c1a"}

  • Un traitement de fonds ancien sur une liste de travail

    Comme une requête tient en un champ, un lot n’est qu’une boucle sur une liste d’URL, avec un Idempotency-Key par ligne. Chaque ligne se règle indépendamment, donc une ligne en échec se rejoue sans relancer l’ensemble, et le coût total du traitement correspond au nombre de lignes multiplié par le prix d’une transcription, pas à la durée cumulée du catalogue.

Questions sur l’API HeartMuLa Transcribe

Voyez cet endpoint comme un service de texte qui se trouve accepter de l’audio, et non comme un endpoint média qui se trouve renvoyer des mots. Toutes les différences qui comptent en aval en découlent : votre client lit un champ au lieu d’aller chercher un fichier, votre plan de stockage doit inclure la transcription parce que le nôtre ne la garde pas longtemps, et le sous-titrage réclame une passe d’alignement que vous fournissez vous-même. En amont, la seule chose que vous contrôlez est l’URL : le travail qui améliore réellement le résultat consiste donc à vérifier qu’elle résout bien vers l’audio, et que quelqu’un chante sur cet audio.

Comparatifs associés

HeartMuLa Transcribe vs Grok STT