प्रकार
स्पेक
दर
प्रतिलेखन
प्रति घंटे का ऑडियो
$0.60
StepAudio 3 ASR Max और StepAudio 2.5 ASR साथ-साथ: विशेषताएं, क्षमताएं, पैरामीटर और EmpirioLabs कैटलॉग की लाइव कीमतें।
StepFun प्रतिलेखनStepAudio 3 ASR Max और StepAudio 2.5 ASR दोनों StepFun के मॉडल हैं, प्रतिलेखन श्रेणी में आते हैं और EmpirioLabs API के ज़रिए उपलब्ध हैं।
| स्पेक | StepAudio 3 ASR Max | StepAudio 2.5 ASR |
|---|---|---|
| मॉडल ID | stepaudio-3-asr-max | stepaudio-2-5-asr |
| निर्माता | StepFun | StepFun |
| रिलीज | 31 अग॰ 2026 | 24 अप्रैल 2026 |
| इनपुट | ऑडियो | ऑडियो |
| आउटपुट | टेक्स्ट | टेक्स्ट |
| रीजन | International | International |
| एंडपॉइंट | POST /v1/audio/transcriptions | POST /v1/audio/transcriptions |
| क्षमताएं |
दोनों मॉडलों के लिए EmpirioLabs कैटलॉग की लाइव दरें। हर दर तालिका हमेशा API की वास्तविक बिलिंग से मेल खाती है।
EmpirioLabs पर हर मॉडल के लिए सूचीबद्ध रिक्वेस्ट पैरामीटर, और जहां लागू हो वहां मान्य मान या सीमा। डैश उस पैरामीटर को दिखाता है जो मॉडल के लिए सूचीबद्ध नहीं है।
| पैरामीटर | StepAudio 3 ASR Max | StepAudio 2.5 ASR |
|---|---|---|
| file | string | audio |
| file_url | string | string |
| audio_base64 | string | string |
| enable_itn | boolean डिफॉल्ट: true | boolean डिफॉल्ट: true |
| format | wav, mp3, ogg, m4a, pcm | wav, mp3, ogg, pcm |
| codec | string | string |
| rate | number | 8000 से 48000 डिफॉल्ट: 16000 |
| bits | number | 8 से 32 डिफॉल्ट: 16 |
| channel | number | 1 से 8 डिफॉल्ट: 1 |
| language | - | en, zh डिफॉल्ट: en |
| hotwords | - | array |
wav, mp3, ogg, m4a और pcm इनपुट का समर्थन करता है. PCM अनुरोधों में कोडेक, नमूना दर, बिट गहराई और चैनल गणना शामिल होनी चाहिए. भाषा का स्वचालित रूप से पता लगाया जाता है और इसे सेट नहीं किया जा सकता है; चीनी, अंग्रेजी, जापानी, कोरियाई, फ्रेंच और स्पैनिश को पहचाना जाता है, पूर्वावलोकन में चीनी और अंग्रेजी के अलावा अन्य भाषाओं के साथ. व्युत्क्रम पाठ सामान्यीकरण डिफ़ॉल्ट रूप से चालू होता है और इसे enable_itn के साथ बंद किया जा सकता है. इस मॉडल पर हॉटवर्ड और शब्द टाइमस्टैम्प उपलब्ध नहीं हैं. ऑडियो को उसकी मापी गई अवधि के आधार पर बिल किया जाता है, जिसमें न्यूनतम एक सेकंड होता है.
wav, mp3, ogg और pcm इनपुट का समर्थन करता है। पीसीएम अनुरोधों में कोडेक, नमूना दर, बिट गहराई और चैनल गिनती शामिल होनी चाहिए। मान्यता भाषा चीनी और अंग्रेजी का समर्थन करती है। टाइमस्टैम्प आउटपुट enable_timestamp के माध्यम से उपलब्ध है।
StepAudio 3 ASR Max POST /v1/audio/transcriptions से चलता है। request तुरंत job_id देती है; job पूरा होने तक GET /v1/jobs/{job_id} को poll करें और परिणाम से आउटपुट URLs पढ़ें। दोनों मॉडल एक ही एंडपॉइंट से कॉल किए जाते हैं। model को stepaudio-3-asr-max या stepaudio-2-5-asr पर सेट करें। EmpirioLabs डैशबोर्ड से API key प्राप्त करें।
curl https://api.empiriolabs.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "stepaudio-3-asr-max",
"audio_url": "https://example.com/meeting-recording.mp3"
}'StepAudio 3 ASR Max नई रिलीज़ है (31 अग॰ 2026); StepAudio 2.5 ASR 24 अप्रैल 2026 को रिलीज़ हुआ था। सिर्फ StepAudio 3 ASR Max के लिए बताई गई क्षमताएं: multilingual। सिर्फ StepAudio 2.5 ASR के लिए बताई गई क्षमताएं: streaming asr, timestamps। इस पेज की विशेषताएं, दर तालिकाएं और पैरामीटर EmpirioLabs के लाइव कैटलॉग से आते हैं।
StepAudio 3 ASR Max नई रिलीज़ है (31 अग॰ 2026); StepAudio 2.5 ASR 24 अप्रैल 2026 को रिलीज़ हुआ था।
प्रतिलेखन (प्रति घंटे का ऑडियो) के लिए StepAudio 2.5 ASR की दर कम है। दोनों लाइव दर तालिकाएं इस पेज पर हैं और हमेशा API की वास्तविक बिलिंग से मेल खाती हैं।
हां। दोनों मॉडल एक ही EmpirioLabs API key के साथ POST /v1/audio/transcriptions इस्तेमाल करते हैं, इसलिए ज़्यादातर इंटीग्रेशन सिर्फ model मान बदलकर स्विच हो जाते हैं। अगर आप किसी मॉडल-विशेष पैरामीटर पर निर्भर हैं तो पहले इस पेज की पैरामीटर तालिका देखें।
हां। हर मॉडल को EmpirioLabs playground में खोलें और API के पैरामीटरों के साथ दोनों पर एक ही prompt चलाएं।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।