Uma API speech-to-text transcreve áudio falado em texto escrito. Você faz upload de uma gravação ou passa sua URL, ou transmite áudio ao vivo, e a API retorna a transcrição, com timestamps, etiquetas de alto-falantes ou arquivos de legendas nos modelos que os suportam.
Uma API speech-to-text, também chamada de API de transcrição ou reconhecimento automático de fala (ASR), converte as palavras faladas em um arquivo de áudio ou vídeo em texto. O resultado mais simples é uma transcrição simples. Dependendo do modelo, a API também pode retornar:
Muitos modelos detectam a linguagem falada automaticamente, e alguns aceitam uma lista de termos-chave, como nomes de produtos ou jargão, para reconhecê-los com mais confiabilidade.
Para uma gravação, envie PÓS-/v1/audio/transcriptions com o ID do modelo e o arquivo como upload multiparte ou sua URL HTTPS em file_url. A API retorna a transcrição na resposta. Uma transcrição longa pode retornar um ID de tarefa em vez disso, que você faz sondagem em VÁ /v1/jobs/{job_id}, e o cabeçalho Preferir: respond-async pede um ID de emprego imediatamente.
Para fala enquanto acontece, como uma chamada ou um evento ao vivo, modelos de transcrição ao vivo transmitem texto de volta pelo voz em tempo real WebSocket em /v1/realtime. Dependendo do modelo, palavras parciais chegam enquanto a pessoa fala, e uma transcrição consolidada chega a cada pausa.
Comparações de modelos lado a lado Mostrar as capacidades e taxas de dois modelos juntos.
Navegar pelo Modelos de transcrição e envie uma gravação no Playground para testar um. Para chamar um modelo, crie uma chave API no painel e envie o áudio para https://api.empiriolabs.ai/v1/audio/transcriptions. O Referência de transcrição lista os campos de solicitação e os formatos de resposta, e o Guia da API de Voz em Tempo Real Covers Live Transcription.
Pague conforme você utiliza, ou escolha um plano com subsídios semanais. As tarifas atuais estão no página de preços.
13 modelos, do mais barato para o mais caro quando compartilham uma unidade de cobrança. A página de cada modelo traz a tabela de preços completa, os parâmetros e código.
Endpoints
/v1/audio/transcriptions WEBSOCKET /v1/realtimePreço por minuto ou hora de áudio
| Modelo | Menor tarifa | Aplica-se a |
|---|---|---|
| StepAudio 2.5 ASR StepFun | $0.05 por hora de áudio | Transcrição |
| Qwen Audio 3.0 ASR Alibaba Cloud | $0.252 por hora de áudio | Transcrição |
| Whisper Large v3 Turbo OpenAI | $0.042$0.005 por minuto de áudio | Transcrição controlada |
| StepAudio 2.5 ASR Stream StepFun | $0.40 por hora de áudio | Transcrição |
| StepAudio 3 ASR Max StepFun | $0.60 por hora de áudio | Transcrição |
| Qwen Audio 3.0 ASR Stream Alibaba Cloud | $0.648 por hora de áudio | Transcrição |
| Deepgram Nova-3 Deepgram | $0.014 por minuto de áudio | Transcrição |
| Deepgram Nova-3 Stream Deepgram | $0.025 por minuto de áudio | Transcrição |
| OpenAI Whisper 1 OpenAI | $0.030 por minuto | Por minuto de áudio |
Também disponíveis: Sonilo Proofread, Qwen Audio 3.1 ASR, Qwen Audio 3.1 ASR Stream, Qwen Audio 3.1 ASR Message
Sim. Reconhecimento automático de fala (ASR) é o nome técnico para converter fala em texto, e uma API de speech-to-text ou transcrição o disponibiliza para o seu código.
Sim, em modelos que suportam diarização. A transcrição rotulou cada parte com um alto-falante, assim você pode ver quem disse o quê.
Sim. Modelos de transcrição ao vivo transmitem texto de volta por um WebSocket enquanto a pessoa está falando. Gravações usam o endpoint de transcrição de arquivos em vez disso.
Sim, em modelos que retornam SRT ou VTT. Esses formatos de legenda trazem cada linha de texto com seu horário de início e fim.
A maioria dos modelos cobra pelo comprimento do áudio, por minuto ou por hora, e alguns cobram por tokens de áudio. Em EmpirioLabs AI você pode pagar conforme vai ou escolher um plano com alocações semanais.
StepAudio 2.5 ASR tem a menor tarifa por minuto de áudio entre os 9 modelos Transcrição com esse tipo de cobrança, seguido de Qwen Audio 3.0 ASR, Whisper Large v3 Turbo. A tabela de preços desta página mostra a menor tarifa de cada modelo e a que ela se aplica.
Confira nossos preços ou entre em contato se quiser que seu próprio modelo seja implementado em nossa pilha.