Модели и API HeartMuLa

О компании HeartMuLa

HeartMuLa даёт платформе модель с аудиовходом. Это единственный производитель здесь, чья задача начинается со звукового файла, а не с промпта, изображения или фрагмента видео.

HeartMuLa Transcribe принимает один URL аудио и возвращает спетый текст в виде строки. Модель многоязычная, настраиваемых опций у неё нет, а тарификация идёт за транскрипцию, а не за секунду или токен, так что стоимость вызова известна заранее. Результат — текстовый артефакт, но жизненный цикл у него тот же, что у изображения или видео: создать задачу, довести наблюдение до конечного состояния, затем прочитать результат.

Берите её, когда из записи вам нужны слова. Параметров нет, поэтому значение имеют только само аудио и то, как вы обходитесь с полученным текстом; основная работа по интеграции здесь — путь загрузки и хранения, а не промпт. Если же звук нужен вместе с картинкой, это дело видеосемейств, чьи задачи кладут аудио под изображение.