EmpirioLabsの文字起こしモデルは音声(場合によってはビデオ)をテキストに変換し、モデルに応じて単語のタイムスタンプ、言語検出、翻訳などの機能を備えています。ファイルやURLを指し示し、音声の分単位で料金を請求したトランスクリプトを読み返します。
転写 API を初めて使いますか? speech-to-text API とは何ですか? をお読みください。
各モデルが掲載する最も低い料金を料金表からリアルタイムで読み取り、安い順に並べています。各モデルのページにすべての料金とオプションがあります。
音声の1分または1時間あたりの料金
| モデル | 最低料金 | 適用対象 |
|---|---|---|
| StepAudio 2.5 ASR StepFun | $0.05 音声の時間あたり | 転写 |
| Qwen Audio 3.0 ASR Alibaba Cloud | $0.252 音声の時間あたり | 転写 |
| Whisper Large v3 Turbo OpenAI | $0.042$0.005 音声の1分あたり | 制御転写 |
| StepAudio 2.5 ASR Stream StepFun | $0.40 音声の時間あたり | 転写 |
| StepAudio 3 ASR Max StepFun | $0.60 音声の時間あたり | 転写 |
| Qwen Audio 3.0 ASR Stream Alibaba Cloud | $0.648 音声の時間あたり | 転写 |
| Deepgram Nova-3 Deepgram | $0.014 音声の1分あたり | 転写 |
| Deepgram Nova-3 Stream Deepgram | $0.025 音声の1分あたり | 転写 |
| OpenAI Whisper 1 OpenAI | $0.030 毎分 | 音声1分あたり |
他の単位で課金されるモデルはこのランキングに含まれません。各モデルのページに料金表の全体があります。
Whisper Large v3 Turbo は POST /v1/audio/transcriptions で動作します。リクエストはすぐに job_id を返すので、ジョブが完了するまで GET /v1/jobs/{job_id} をポーリングし、結果から出力 URL を読み取ってください。 model ID は上のどのモデルにも差し替えられます。 EmpirioLabs ダッシュボードで API キーを取得してください。
curl https://api.empiriolabs.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "whisper-large-v3-turbo",
"audio_url": "https://example.com/meeting-recording.mp3"
}'EmpirioLabs には 13 転写モデル APIがあります(Whisper Large v3 Turbo, Deepgram Nova-3, OpenAI Whisper 1 など)。各モデルにはライブ料金、パラメーター、クイックスタートを備えた専用 API ページがあります。
従量課金で利用するか、週ごとの利用枠付きプランを選べます。正確な料金表は各モデルのページにあり、常に API の請求額と一致します。
この方式で課金される 9 個の 転写 モデルのうち、音声1分あたりの料金が最も低いのは StepAudio 2.5 ASR で、次に Qwen Audio 3.0 ASR, Whisper Large v3 Turbo が続きます。このページの料金表に、各モデルの最低料金と適用対象を掲載しています。
いいえ。ここにあるすべてのモデルはEmpirioLabs プレイグラウンドで動きます。コードを書かずにオプションを設定して結果を確認できる、使いやすいブラウザ内インターフェースです。自動化したくなったら、同じモデルを API から利用できます。