Modelli e API di HeartMuLa

Informazioni su HeartMuLa

HeartMuLa porta il modello con ingresso audio della piattaforma. È l’unico produttore qui la cui attività parte da un file sonoro invece che da un prompt, da un’immagine o da uno spezzone video.

HeartMuLa Transcribe prende un URL audio e restituisce il testo cantato come stringa. È multilingue, non espone opzioni da regolare e si paga a trascrizione invece che al secondo o al token, quindi il costo di una chiamata lo conosci prima di farla. Il risultato è un artefatto di testo, ma segue lo stesso ciclo di vita di un’immagine o di un video: crei l’attività, la osservi fino a uno stato terminale e poi leggi il risultato.

Usalo quando da una registrazione ti servono le parole. Non essendoci parametri, le sole variabili che contano sono l’audio che invii e come gestisci il testo che torna, perciò gran parte del lavoro di integrazione sta nel percorso di caricamento e conservazione, non nel prompt. Se invece ti serve del suono generato insieme all’immagine, è compito delle famiglie video le cui attività montano l’audio sul fotogramma.