تقوم واجهة برمجة التطبيقات speech-to-text بنسخ الصوت المنطوق إلى نص مكتوب. تقوم بتحميل تسجيل أو تمرير عنوان URL الخاص به، أو بث الصوت المباشر، وتعيد واجهة برمجة التطبيقات النص مع الطوابع الزمنية أو تسميات المتحدث أو ملفات الترجمة على النماذج التي تدعمها.
واجهة برمجة التطبيقات speech-to-text، وتسمى أيضا واجهة برمجة تطبيقات النسخ أو التعرف التلقائي على الكلام (ASR)، تحول الكلمات المنطوقة في ملف صوتي أو مرئي إلى نص. أبسط نتيجة هي نسخة مكتوبة عادية. اعتمادا على النموذج، يمكن لواجهة برمجة التطبيقات أيضا إرجاع:
العديد من النماذج تكتشف اللغة المنطوقة تلقائيا، وبعضها يقبل قائمة بالمصطلحات الرئيسية، مثل أسماء المنتجات أو المصطلحات، للتعرف عليها بشكل أكثر موثوقية.
للتسجيل، أرسل ما بعد /v1/audio/transcriptions مع معرف النموذج وإما الملف كرفع متعدد الأجزاء أو عنوان URL الخاص به عبر HTTPS في file_url. تعيد واجهة برمجة التطبيقات النص المكتوب في الرد. يمكن للنسخ الطويل أن يعيد معرف الوظيفة بدلا من ذلك، والذي تقوم باستطلاعه اذهب /v1/jobs/{job_id}، و الرأس يفضل: استجابة غير متزامنة يطلب معرف وظيفة فورا.
بالنسبة للكلام أثناء حدوثه، مثل مكالمة أو حدث مباشر، تقوم نماذج النسخ الحية ببث النص مرة أخرى عبر صوت في الوقت الحقيقي WebSocket في /v1/realtime. اعتمادا على النموذج، تصل كلمات جزئية أثناء حديث الشخص، ويصل نص ثابت في كل توقف.
مقارنات النماذج جنبا إلى جنب عرض قدرات ومعدلات نموذجين معا.
تصفح نماذج النسخ ورفع تسجيل في Playground لاختبار واحد. لاستدعاء نموذج، أنشئ مفتاح API في لوحة التحكم وأرسل الصوت إلى https://api.empiriolabs.ai/v1/audio/transcriptions. ال مرجع النسخ يسرد حقول الطلب وصيغ الاستجابة، و دليل واجهة برمجة التطبيقات للصوت في الوقت الحقيقي يغطي النسخ المباشر.
ادفع أثناء الاستخدام، أو اختر خطة مع بدلات أسبوعية. الأسعار الحالية على صفحة الأسعار.
عدد النماذج: 13، مرتبة من الأرخص حين تشترك في وحدة الفوترة. تعرض صفحة كل نموذج جدول أسعاره الكامل ومعلماته وأمثلة الكود.
نقاط النهاية
/v1/audio/transcriptions WEBSOCKET /v1/realtimeالسعر لكل دقيقة أو ساعة من الصوت
| النموذج | أقل سعر | ينطبق على |
|---|---|---|
| StepAudio 2.5 ASR StepFun | $0.05 لكل ساعة صوتية | النسخ |
| Qwen Audio 3.0 ASR Alibaba Cloud | $0.252 لكل ساعة صوتية | النسخ |
| Whisper Large v3 Turbo OpenAI | $0.042$0.005 لكل دقيقة من الصوت | النسخ المتحكم به |
| StepAudio 2.5 ASR Stream StepFun | $0.40 لكل ساعة صوتية | النسخ |
| StepAudio 3 ASR Max StepFun | $0.60 لكل ساعة صوتية | النسخ |
| Qwen Audio 3.0 ASR Stream Alibaba Cloud | $0.648 لكل ساعة صوتية | النسخ |
| Deepgram Nova-3 Deepgram | $0.014 لكل دقيقة من الصوت | النسخ |
| Deepgram Nova-3 Stream Deepgram | $0.025 لكل دقيقة من الصوت | النسخ |
| OpenAI Whisper 1 OpenAI | $0.030 في الدقيقة | لكل دقيقة صوت |
متاح أيضًا: Sonilo Proofread, Qwen Audio 3.1 ASR, Qwen Audio 3.1 ASR Stream, Qwen Audio 3.1 ASR Message
نعم. التعرف التلقائي على الكلام (ASR) هو الاسم التقني لتحويل الكلام إلى نص، وتوفر واجهة برمجة تطبيقات speech-to-text أو النسخ ذلك للكود الخاص بك.
نعم، على النماذج التي تدعم الكتابة اليومية. النص يضع كل جزء بمكبر تحدث، حتى تتمكن من معرفة من قال ماذا.
نعم. نماذج النسخ الحية تبث النص عبر WebSocket أثناء حديث الشخص. تستخدم التسجيلات نقطة نهاية نسخ الملفات بدلا من ذلك.
نعم، في النماذج التي تعيد SRT أو VTT. تحمل هذه الصيغ الترجمية كل سطر نص مع وقت البداية والنهاية الخاص به.
معظم النماذج تفرض حسب طول الصوت، لكل دقيقة أو لكل ساعة، وبعضها يحسب الرموز الصوتية. على EmpirioLabs AI يمكنك الدفع أثناء الاستخدام أو اختيار خطة مع مخصصات أسبوعية.
من بين 9 من نماذج النسخ المسعّرة بهذه الطريقة، يعرض StepAudio 2.5 ASR أقل سعر لدقيقة الصوت، يليه Qwen Audio 3.0 ASR, Whisper Large v3 Turbo. يعرض جدول الأسعار في هذه الصفحة أقل سعر لكل نموذج وما ينطبق عليه.
تحقق من تسعيرنا أو تواصل إذا كنت ترغب في نشر نموذجك الخاص على مجموعتنا.