Introduzione
Trascrive il testo cantato in un file audio e lo restituisce come testo sull'attività. È tarato sulla voce sopra la musica, non sul parlato senza musica.
HeartMuLa Transcribe estrae il testo cantato da un file audio e lo restituisce come testo. Un campo audio, nessuna opzione, multilingue, fatturato a trascrizione invece che al minuto.
Caratteristiche principali
Tarato proprio dove il riconoscimento vocale generico crolla
Una linea cantata arriva compressa, raddoppiata, immersa nel riverbero e in lotta con gli strumenti nella sua stessa banda di frequenze. È esattamente il caso su cui un modello vocale generico non è stato addestrato, ed è lì che restituisce frammenti. Questo è tarato su quello. Vale anche il contrario: per un'intervista o un podcast, senza mix con cui combattere, un modello generico di trascrizione vocale resta lo strumento migliore.
Testo sull'attività, nessun file da prendere
Non viene scritto nessun file da andare a prendere. L'esecuzione finisce sull'attività stessa, con la trascrizione dentro il risultato: nessun passaggio di download, nessun bucket in cui scrivere e niente che entri nei 14 giorni di conservazione dei media. Leggi il testo sull'attività conclusa e mandalo direttamente dove i tuoi testi già stanno.
Un catalogo arretrato è una moltiplicazione, un mucchio di clip no
La durata non entra mai nel prezzo, quindi un brano da sei minuti costa quanto un ritornello da venti secondi. Così un arretrato si preventiva facilmente — numero di brani per un solo numero — mentre una cartella di spezzoni brevi è la forma relativamente costosa. Va messo in conto: un pezzo che si rivela strumentale torna quasi vuoto e conta lo stesso come esecuzione riuscita e fatturata, quindi scartali prima di metterli in coda.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
audio_url | Sì | Un URL che risolve direttamente su un file audio. Le pagine che restituiscono HTML falliscono come risorsa non valida. almeno 1 caratteri |
Prezzi
$0.05 / trascrizione
L’addebito è per trascrizione, non al minuto: anche una trascrizione scarna da un brano strumentale viene addebitata.
Casi d’uso
Trasforma il parlato in testo utilizzabile
Trascrive il testo cantato in un file audio e lo restituisce come testo sull'attività. È tarato sulla voce sopra la musica, non sul parlato senza musica. Usa questa modalità per trascrivere una fonte audio o video. Fornisci una registrazione chiara quando possibile e controlla nomi, timestamp e passaggi poco sicuri.
Prodotti audio senza censura
SpicyAPI non applica alcun filtro sui contenuti, quindi i testi con linguaggio forte tornano trascritti invece che rifiutati o addolciti. I diritti sull'audio che mandi restano una tua responsabilità.
Metadati per cataloghi musicali
Genera il testo dei brani su un intero catalogo per migliorare ricerca, visualizzazione e tag. Con la fatturazione a esecuzione il costo di un arretrato è una semplice moltiplicazione e non una funzione della durata complessiva.
Sottotitoli per video con musica
Estrai le righe cantate di un brano per poi sincronizzarle nei sottotitoli di un video breve, dove la voce sta sopra un mix denso.
Consigli avanzati
Manda un URL diretto al file audio
Il campo accetta un URL, non un corpo di upload. Deve puntare all'audio vero e proprio: una pagina di riproduzione o un link di condivisione che restituisce HTML fallisce come risorsa non valida, non come trascrizione sbagliata.
Aspettati testo sull'attività, non un file
La trascrizione torna come testo nel risultato dell'attività. Non c'è nessun media da recuperare e per questo endpoint non finisce niente nella conservazione dei media.
Verifica il risultato prima di procedere
Un URL audio in ingresso, il testo del brano in uscita, e niente da configurare: nessun suggerimento di lingua, nessun timestamp, nessuna etichetta di voce, nessun valore di confidenza e nessuna scelta sulla forma dell'output. Il modello è tarato sulla voce cantata sopra la musica; mix molto stratificati, voci sussurrate o urlate e sorgenti a bitrate molto basso peggiorano il risultato, e l'audio strumentale restituisce poco o niente. L'URL deve risolvere direttamente su un file audio: una pagina che restituisce HTML fallisce come risorsa non valida. Questo endpoint non produce nessun media, quindi niente di suo entra nella conservazione media di 14 giorni.
Avvio rapido dell’API
# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "heartmula/transcribe/speech-to-text",
"input": {
"audio_url": "https://example.com/reference.mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.