HeartMuLa のモデルと API

HeartMuLa について

HeartMuLa はこのプラットフォームで音声入力を担うモデルを提供しています。ここに並ぶ出品方の中で、タスクの起点が prompt でも画像でも動画でもなく音声ファイルであるのは、この一社だけです。

HeartMuLa Transcribe は音声 URL を 1 つ受け取り、歌詞をテキストで返します。多言語に対応し、調整できるオプションはなく、課金は秒単位でもトークン単位でもなく 1 件ごとなので、呼び出す前に費用が確定します。返ってくるのはテキストの成果物ですが、ライフサイクルは画像や動画と同じです。タスクを作成し、終端状態まで観測し、それから結果を読みます。

録音物から取り出したいものが言葉であるときに使ってください。パラメータがないため、効いてくる変数は送る音声と返ってきたテキストの扱い方だけで、統合作業の大半はプロンプトではなくアップロードと保持の経路になります。映像に合わせて音を生成したい場合は、音を絵に対して作る動画ファミリー側の仕事です。