Понимает изображения
Приложите скриншот или фотографию и спросите по ним — модель видит картинку, а не только подпись к ней.
Возможности
Приложите скриншот или фотографию и спросите по ним — модель видит картинку, а не только подпись к ней.
Зачем
По тексту проще искать цитаты и собирать краткое содержание записи
Разделение спикеров сохраняет ход разговора без ручной разметки
Метки времени помогают быстро вернуться к спорному слову в оригинале
Цифры
Цены — те же, по которым идёт списание: и здесь, и в прайс-листе они берутся из одного источника.
Сравните тарифы моделей одного типа. Параметры генерации задаются в генераторе, списанная сумма видна рядом с готовым результатом.
| Модель | Цена |
|---|---|
| V1 Lite Image To Video — модель этой страницыстраница, которую вы читаете | 3,00 ₽ за секунду |
| V1 Lite Text To Video · ByteDance | 3,00 ₽ за секунду |
| V1 Pro Image To Video · ByteDance | 4,20 ₽ за секунду |
| V1 Pro Text To Video · ByteDance | 4,20 ₽ за секунду |
Вопросы
Аудио можно обрабатывать крупными частями, но видеомодели создают новые сцены лишь на секунды, а минуты видео собираются из кусков. Для длинной записи разделите файл по паузам или главам: так проще повторить проблемный участок и сохранить метки времени.
Распознавание работает со звуком, а генерация ролика рассчитывает каждый кадр. Поэтому видео стоит в разы дороже картинки и обычно дороже получения текста. Сначала утвердите расшифровку и монтажный план, затем создавайте только недостающие видеовставки.
Именно их нужно проверять в первую очередь: редкое имя или сумма легко превращаются в похожее по звучанию слово. Дайте словарь терминов, если он есть, и прослушайте участки по меткам. Для договора, медицины и финансов черновую расшифровку нельзя считать окончательной.
Рядом
Дальше — весь каталог задач: поиск по названию, темы и фильтры.