Modelos e APIs da HeartMuLa

Sobre HeartMuLa

A HeartMuLa contribui com o modelo de entrada de áudio da plataforma. É o único criador desta lista cuja tarefa começa em um arquivo de som, e não em um prompt, uma imagem ou um trecho de vídeo.

O HeartMuLa Transcribe recebe uma URL de áudio e devolve a letra cantada como texto. É multilíngue, não tem opções para ajustar e é cobrado por transcrição, não por segundo nem por token, então o custo de uma chamada é conhecido antes de você fazê-la. O resultado é um artefato de texto, mas segue o mesmo ciclo de vida de uma imagem ou de um vídeo: criar a tarefa, acompanhá-la até um estado terminal e então ler o resultado.

Use quando o que você precisa tirar de uma gravação são palavras. Como não há parâmetros, as únicas variáveis que importam são o áudio que você envia e como trata o texto devolvido, então quase todo o trabalho de integração está no caminho de upload e retenção, não no prompt. Se o que você quer é gerar som junto com imagem, isso é tarefa das famílias de vídeo cujas tarefas produzem áudio junto com o quadro.