Fala para texto, ao vivo no navegador
Esta demonstração do Ink 2 aceita inglês, espanhol, francês, hindi e japonês. Fale inglês nesta demonstração.
Junte-se às equipes que estão migrando para a Cartesia
Com Ink-2, nº 1 em precisão de streaming
A demonstração acima usa o Ink-2, nosso modelo de fala para texto em streaming. Ele está em primeiro lugar na classificação VoiceArena de inglês dos EUA e na avaliação de streaming da Artificial Analysis, e transcreve corretamente na primeira tentativa dados estruturados como telefones, e-mails e UUIDs. A detecção de turnos é integrada, então a transcrição se divide em turnos por conta própria e mantém a precisão com ruído de fundo sem um filtro de limpeza separado.
Indicado para
- Agentes de voz
- Legendas ao vivo
- Ditado
- Notas de reuniões
- Análise de chamadas
Como funciona
Clique no microfone e fale. As palavras aparecem enquanto você fala, sem cadastro.
Faça pausas ou mude de assunto durante a fala. O Ink-2 marca onde os turnos começam e terminam para que a transcrição tenha a forma de uma conversa.
Copie a transcrição ou use o mesmo modelo em streaming no seu app pela API.
Leve para produção
O modelo por trás desta página é o mesmo Ink-2 disponível na API e nos SDKs. Transmita áudio ao vivo por WebSocket para uso em tempo real ou envie arquivos completos ao endpoint em lote. Orientação por termos-chave direciona o reconhecimento aos nomes e jargões que seu produto mais ouve. Os planos empresariais acrescentam implantações em infraestrutura própria, VPC e OEM com retenção zero de dados.
Explore mais ferramentas de voz
Perguntas frequentes
O que é fala para texto?
Fala para texto, também chamada de STT, ASR ou transcrição, transforma áudio falado em palavras escritas. A versão da Cartesia usa o Ink-2, um modelo de streaming, para que a transcrição apareça enquanto você ainda fala, não só depois de parar.
Esta ferramenta de fala para texto é gratuita?
Sim. A demonstração desta página transcreve seu microfone sem uma conta. Uma conta gratuita da Cartesia aumenta os limites, e os planos pagos acrescentam volume de API para produção.
Quais idiomas são compatíveis?
O Ink-2 transcreve inglês, francês, hindi, japonês e espanhol e detecta o idioma automaticamente. Ele foi criado para uso em tempo real; para arquivos gravados, a API de STT em lote usa ink-whisper.
O que é detecção de turnos?
A detecção de turnos decide quando um falante terminou, evitando que o agente interrompa ou deixe silêncio na chamada. A maioria das infraestruturas adiciona um modelo separado de atividade de voz para isso. O próprio Ink-2 emite eventos como turn.eager_end e turn.end, o que reduz um modelo na infraestrutura e acelera as respostas.
Posso transcrever arquivos de áudio em vez do microfone?
A demonstração desta página funciona ao vivo pelo microfone. Para gravações, use a API de STT em lote, que recebe um arquivo completo e retorna uma transcrição.
Posso executar na minha própria infraestrutura?
Sim. O Ink-2 pode ser implantado em infraestrutura própria, inclusive ambientes isolados da rede, na sua VPC da AWS, GCP ou Azure, ou com licença OEM incorporada ao seu produto. Essas implantações estão disponíveis em contratos empresariais.
Comece hoje
Fale com um especialista.
Converse com alguém da nossa equipe e descubra como a Cartesia pode ajudar você a criar experiências de voz de alto nível.
Comece a criar.
Acesse nossos modelos por API e coloque um agente de voz em produção em minutos.