{"success":true,"audio_file":"https://s21.aconvert.com/convert/p3r68-cdx67/wma8s-k9scl.mp3","output":{"text":"Oggi che il sole.","result":{"text":"Oggi che il sole.","word_count":4,"vtt":"WEBVTT\n\n00.000 --> 01.120\nOggi che il sole.","words":[{"word":"Oggi","start":0,"end":0.3400000035762787},{"word":"che","start":0.3400000035762787,"end":0.5400000214576721},{"word":"il","start":0.5400000214576721,"end":0.7200000286102295},{"word":"sole.","start":0.7200000286102295,"end":1.1200000047683716}]}}}
curl --location --request POST 'https://zylalabs.com/api/6372/audio+to+text+converter+api/9137/conversion?url=https://s21.aconvert.com/convert/p3r68-cdx67/wma8s-k9scl.mp3' --header 'Authorization: Bearer YOUR_API_KEY'
Após se cadastrar, cada desenvolvedor recebe uma chave de acesso à API pessoal, uma combinação única de letras e dígitos para acessar nosso endpoint de API. Para autenticar com a Conversor de Áudio para Texto API basta incluir seu token Bearer no cabeçalho Authorization.
| Cabeçalho | Descrição |
|---|---|
Authorization
|
Obrigatório
Deve ser Bearer access_key. Veja "Sua chave de acesso à API" acima quando você estiver inscrito.
|
Sem compromisso de longo prazo. Faça upgrade, downgrade ou cancele a qualquer momento. O teste gratuito inclui até 50 requisições.
(Economize 2 meses com cobrança anual 🎉)
O endpoint de Conversão retorna uma saída de texto estruturada derivada da entrada de áudio Isso inclui o texto transcrito juntamente com metadados como idioma detectado, pontuação de confiança e quaisquer timestamps, se aplicável
Os campos principais nos dados de resposta normalmente incluem "transcrição" (o texto convertido) "idioma" (idioma detectado do áudio) "confiança" (pontuação de precisão) e "carimbos de data/hora" (se ativado indicando quando as palavras foram faladas)
O endpoint de Conversão requer principalmente o parâmetro "audio_url" que especifica a URL do arquivo de áudio a ser transcrito Parâmetros opcionais adicionais podem incluir "language" para especificar o idioma desejado para a transcrição
Os dados da resposta estão organizados em um formato JSON, com pares de chave-valor representando a transcrição e os metadados associados. Essa estrutura permite uma fácil análise e integração em aplicativos
Os casos de uso típicos incluem transcrever reuniões gerar legendas para vídeos criar registros escritos de entrevistas e converter podcasts em texto para acessibilidade e SEO
A precisão dos dados é mantida através de algoritmos avançados de reconhecimento de fala e treinamento contínuo em conjuntos de dados de áudio diversos Atualizações regulares e verificações de qualidade garantem alta confiabilidade na transcrição em várias línguas e sotaques
Os usuários podem personalizar suas solicitações especificando parâmetros opcionais como "idioma" para direcionar idiomas específicos para transcrição melhorando a precisão para conteúdo de áudio multilíngue
Padrões de dados padrão incluem uma transcrição clara do conteúdo falado com potenciais variações em comprimento e estrutura com base na qualidade e complexidade do áudio Os usuários devem esperar um texto coerente que corresponda de perto às palavras faladas