एक speech-to-text API बोले गए ऑडियो को लिखित टेक्स्ट में ट्रांसक्राइब करता है। आप रिकॉर्डिंग अपलोड करते हैं या उसका URL पास करते हैं, या लाइव ऑडियो स्ट्रीम करते हैं, और API ट्रांसक्रिप्ट लौटाता है, जिसमें टाइमस्टैम्प, स्पीकर लेबल या सबटाइटल फाइलें होती हैं जो उन्हें सपोर्ट करते हैं।
एक speech-to-text API, जिसे ट्रांसक्रिप्शन या ऑटोमैटिक स्पीच रिकग्निशन (ASR) API भी कहा जाता है, ऑडियो या वीडियो फ़ाइल में बोले गए शब्दों को टेक्स्ट में परिवर्तित करता है। सबसे सरल परिणाम एक साधारण ट्रांसक्रिप्ट है। मॉडल के अनुसार, API निम्नलिखित भी लौटा सकता है:
कई मॉडल बोली जाने वाली भाषा को स्वचालित रूप से पहचानते हैं, और कुछ प्रमुख शब्दों की सूची स्वीकार करते हैं, जैसे उत्पाद नाम या शब्दजाल, ताकि उन्हें अधिक विश्वसनीय रूप से पहचाना जा सके।
रिकॉर्डिंग के लिए, भेजें पोस्ट /v1/audio/transcriptions मॉडल ID के साथ और या तो फ़ाइल को मल्टीपार्ट अपलोड के रूप में या उसके HTTPS URL के साथ file_url. API प्रतिक्रिया में ट्रांसक्रिप्ट लौटाता है। लंबा ट्रांसक्रिप्शन इसके बजाय जॉब ID लौटा सकता है, जिस पर आप मतदान करते हैं /v1/jobs/{job_id}, और हेडर पसंद: प्रतिक्रिया-async तुरंत नौकरी आईडी मांगता है।
जैसे ही भाषण होता है, जैसे कॉल या लाइव इवेंट, लाइव ट्रांसक्रिप्शन मॉडल टेक्स्ट को वापस स्ट्रीम करते हैं रीयलटाइम वॉयस WebSocket पर /v1/realtime. मॉडल के अनुसार, आंशिक शब्द व्यक्ति के बोलते समय आते हैं, और प्रत्येक विराम पर एक निश्चित ट्रांसक्रिप्ट आता है।
साइड-बाय-साइड मॉडल तुलना दो मॉडलों की क्षमताओं और दरों को एक साथ दिखाएं।
ब्राउज़ करें ट्रांसक्रिप्शन मॉडल और रिकॉर्डिंग अपलोड करें Playground एक का परीक्षण करने के लिए। मॉडल कॉल करने के लिए, डैशबोर्ड में एक API कुंजी बनाएं और ऑडियो भेजें https://api.empiriolabs.ai/v1/audio/transcriptions. द ट्रांसक्रिप्शन संदर्भ अनुरोध फ़ील्ड्स और प्रतिक्रिया प्रारूपों की सूची देता है, और रियलटाइम वॉइस API गाइड लाइव ट्रांसक्रिप्शन कवर करता है।
जैसे-जैसे जाएं भुगतान करें, या साप्ताहिक भत्तों वाली योजना चुनें। वर्तमान दरें मूल्य निर्धारण पृष्ठ।.
13 मॉडल, जहाँ बिलिंग इकाई एक है वहाँ सबसे सस्ते पहले। हर मॉडल के पेज पर पूरा रेट कार्ड, पैरामीटर और कोड है।
एंडपॉइंट
/v1/audio/transcriptions WEBSOCKET /v1/realtimeऑडियो के प्रति मिनट या घंटे की कीमत
| मॉडल | सबसे कम दर | किस पर लागू |
|---|---|---|
| StepAudio 2.5 ASR StepFun | $0.05 प्रति घंटे का ऑडियो | प्रतिलेखन |
| Qwen Audio 3.0 ASR Alibaba Cloud | $0.252 प्रति घंटे का ऑडियो | प्रतिलेखन |
| Whisper Large v3 Turbo OpenAI | $0.042$0.005 प्रति मिनट ऑडियो | नियंत्रित प्रतिलेखन |
| StepAudio 2.5 ASR Stream StepFun | $0.40 प्रति घंटे का ऑडियो | प्रतिलेखन |
| StepAudio 3 ASR Max StepFun | $0.60 प्रति घंटे का ऑडियो | प्रतिलेखन |
| Qwen Audio 3.0 ASR Stream Alibaba Cloud | $0.648 प्रति घंटे का ऑडियो | प्रतिलेखन |
| Deepgram Nova-3 Deepgram | $0.014 प्रति मिनट ऑडियो | प्रतिलेखन |
| Deepgram Nova-3 Stream Deepgram | $0.025 प्रति मिनट ऑडियो | प्रतिलेखन |
| OpenAI Whisper 1 OpenAI | $0.030 प्रति मिनट | प्रति मिनट ऑडियो |
ये भी उपलब्ध हैं: Sonilo Proofread, Qwen Audio 3.1 ASR, Qwen Audio 3.1 ASR Stream, Qwen Audio 3.1 ASR Message
हाँ। ऑटोमैटिक स्पीच रिकग्निशन (ASR) भाषण को टेक्स्ट में बदलने का तकनीकी नाम है, और speech-to-text या ट्रांसक्रिप्शन API इसे आपके कोड के लिए उपलब्ध कराता है।
हाँ, उन मॉडलों पर जो डायराइजेशन का समर्थन करते हैं। ट्रांसक्रिप्ट में हर हिस्से को एक स्पीकर से लेबल किया गया है, ताकि आप देख सकें कि किसने क्या कहा।
हाँ। लाइव ट्रांसक्रिप्शन मॉडल उस व्यक्ति के बोलने के दौरान WebSocket के माध्यम से टेक्स्ट वापस स्ट्रीम करते हैं। रिकॉर्डिंग्स में इसके बजाय फाइल ट्रांसक्रिप्शन एंडपॉइंट का उपयोग किया जाता है।
हाँ, उन मॉडलों पर जो SRT या VTT लौटाते हैं। ये सबटाइटल फॉर्मेट हर टेक्स्ट लाइन को उसकी शुरुआत और समाप्ति समय के साथ रखते हैं।
अधिकांश मॉडल ऑडियो की लंबाई के अनुसार, प्रति मिनट या प्रति घंटे बिल करते हैं, और कुछ ऑडियो टोकन के माध्यम से बिल करते हैं। EmpirioLabs AI आप जैसे-जैसे भुगतान करें वैसे भुगतान कर सकते हैं या साप्ताहिक भत्तों के साथ योजना चुन सकते हैं।
इस तरह बिल होने वाले 9 प्रतिलेखन मॉडलों में StepAudio 2.5 ASR की ऑडियो के प्रति मिनट की दर सबसे कम है, उसके बाद Qwen Audio 3.0 ASR, Whisper Large v3 Turbo आते हैं। इस पेज की कीमत तालिका हर मॉडल की सबसे कम दर और वह किस पर लागू होती है, दिखाती है।
हमारे मूल्य निर्धारण की जाँच करें या यदि आप चाहते हैं कि आपका अपना मॉडल हमारे स्टैक पर तैनात किया जाए, तो पहुंचें।