الصوتمباشر
مباشرOpenAI الهمس
نسخ دقيق متعدد اللغات من عنوان URL صوتي، مع نص عادي أو JSON مطول أو إخراج ترجمة SRT/VTT ذات طابع زمني.
Audio → text
$0.012 / minute
مباشرأوبن آي + جوجل2 النماذج
واجهة برمجة تطبيقات تحويل الكلام إلى نص — النسخ بالذكاء الاصطناعي وتحليل الصوت
تعمل واجهة برمجة تطبيقات تحويل الكلام إلى نص الخاصة بـ Muapi على تحويل الصوت المنطوق إلى نص من خلال نقطة نهاية REST موحدة. استخدم Whisper للحصول على نسخ دقيق متعدد اللغات مع ترجمات SRT/VTT ذات طابع زمني اختياري، أو Gemini Audio Vision للتحليل الفوري للنغمة ومكبرات الصوت وصوت الخلفية. مفتاح واجهة برمجة التطبيقات (API) واحد، وتدفق إرسال واستطلاع واحد، وتسعير الدفع أولاً بأول بدءًا من 0.012 دولارًا أمريكيًا للدقيقة.
نماذج صوتية حية
النسخ والفهم الصوتي المطلوب2 النماذججرب الموديل
الصوتمباشر
مباشرالجوزاء الرؤية الصوتية
فهم الصوت الأصلي بما يتجاوز النسخ: اسأل عن الكلام أو النغمة أو تغييرات السماعة أو الموسيقى أو أصوات الخلفية واحصل على تحليل مفصل للنص.
Audio → analysis
$2.00/M in · $5.00/M out
لا توجد نماذج تتطابق مع المرشحات الخاصة بك.
ما هو الكلام إلى نص API؟
تقوم واجهة برمجة تطبيقات تحويل الكلام إلى نص بتحويل الصوت المنطوق إلى نص مكتوب من خلال طلب HTTP. أرسل عنوان URL للملف الصوتي واحصل على نسخة دون الحاجة إلى إنشاء نسخ يدوي أو مسار معالجة الصوت.
يكشف Muapi عن Whisper وGemini Audio Vision من خلال نفس نمط REST الموحد المستخدم عبر النظام الأساسي. Whisper هو الخيار المركز للنسخ والترجمات المتعددة اللغات؛ تقبل Gemini Audio Vision مطالبة عندما تحتاج إلى تحليل أو ملخصات أو ملاحظات منظمة حول التسجيل بأكمله.
تستخدم كلا نقطتي النهاية مفتاح Muapi API ودورة حياة الطلب والاستقصاء القياسية غير المتزامنة. اختر النموذج لكل وظيفة وادفع فقط مقابل الجيل الذي تديره.
الكلام إلى قدرات واجهة برمجة تطبيقات النص
النسخ متعدد اللغات
يقوم Whisper بنسخ الصوت المنطوق عبر عشرات اللغات ويمكنه قبول تلميح لغة اختياري ISO-639-1.
ترجمات ذات طابع زمني
اطلب إخراج SRT أو VTT للتسمية التوضيحية للفيديو، أو JSON المطول عندما تحتاج إلى التوقيت والبيانات الوصفية لكل مقطع.
التحليل الصوتي المطلوب
يمكن لـ Gemini Audio Vision الإجابة على سؤال محدد حول ملف صوتي بدلاً من إرجاع نسخة ثابتة فقط.
المتحدث والوعي السليم
اطلب من Gemini تحديد تغييرات السماعة والنغمة والعاطفة والموسيقى وأصوات الخلفية الأخرى في التسجيل.
سير عمل الاجتماعات والبودكاست
قم بتحويل المقابلات والاجتماعات والمحاضرات والبودكاست إلى نصوص أو ملاحظات أو مدخلات منظمة يمكن البحث فيها.
تكامل واحد غير متزامن
استخدم نفس مفتاح واجهة برمجة التطبيقات (API)، وتدفق التحميل، وإرسال نقطة النهاية، وعقد استطلاع النتائج مثل كل نماذج Muapi الأخرى.
حالات استخدام الكلام للنص
شرح الفيديو
قم بإنشاء ملفات SRT أو VTT ذات طابع زمني لمقاطع الفيديو والدورات التدريبية والبودكاست والمقاطع الاجتماعية.
لقاء الذكاء
قم بنسخ التسجيلات وطرح أسئلة مستهدفة حول القرارات أو المتحدثين أو عناصر العمل أو النبرة.
التطبيقات الصوتية
قم بتغذية النصوص في البحث أو الوكلاء أو التلخيص أو خطوات إنشاء النص الأخرى في سير عمل تلقائي.
مقارنة نموذج الكلام بالنص
| نموذج | مزود | السعر | أفضل ل |
|---|---|---|---|
| نسخ دقيق متعدد اللغات وترجمات | |||
| التحليل الفوري للكلام ومكبرات الصوت والنغمة وصوت الخلفية |
أمثلة على رموز واجهة برمجة تطبيقات تحويل الكلام إلى نص
قم بإرسال عنوان URL صوتي مع الحقول الخاصة بالنموذج، واحصل على معرف الطلب، واستقصي نقطة نهاية النتيجة القياسية حتى يكتمل النص أو التحليل.
1. قم بالنسخ باستخدام OpenAI Whisper
قم بتمرير audio_url وقم بتعيين اللغة أو تنسيق الاستجابة أو المطالبة أو درجة الحرارة بشكل اختياري. استخدم srt أو vtt عندما يصبح الإخراج ترجمات.
2. تحليل الصوت باستخدام Gemini Audio Vision
قم بتمرير audio_url ومطالبة تصف النص أو الملخص أو المتحدث أو تحليل الصوت الذي تحتاجه. تحتوي النتيجة على النص الذي تم إنشاؤه.
الأسئلة الشائعة حول واجهة برمجة تطبيقات تحويل الكلام إلى نص
ما هو الكلام إلى نص API؟
تقوم واجهة برمجة تطبيقات تحويل الكلام إلى نص بتحويل التسجيل الصوتي إلى نص مكتوب من خلال طلب HTTP. يوفر Muapi تطبيق Whisper للنسخ الدقيق وGemini Audio Vision لفهم الصوت بشكل سريع.
هل يستطيع Whisper إرجاع الترجمات المصاحبة بدلاً من النص العادي؟
نعم. قم بتعيين Response_format على srt أو vtt لإخراج الترجمة ذات الطابع الزمني، أو استخدم Verbose_json للبيانات الوصفية والتوقيت لكل مقطع.
كيف تختلف Gemini Audio Vision عن النسخ؟
تقبل Gemini Audio Vision مطالبة وأسبابًا بشأن التسجيل الكامل. يمكنه نسخ وتلخيص وتحديد المتحدثين ووصف النغمات ومناقشة الموسيقى الخلفية أو الأصوات بدلاً من إرجاع النص كلمة بكلمة فقط.
كم تكلفة تحويل الكلام إلى نص؟
تبلغ تكلفة Whisper 0.012 دولارًا أمريكيًا للدقيقة الصوتية بحد أدنى دقيقة واحدة. تستخدم Gemini Audio Vision الفواتير المستندة إلى الرمز المميز بسعر 2.00 دولار لكل مليون رمز إدخال و5.00 دولار لكل مليون رمز مميز للمخرج.
ما هي تنسيقات الصوت التي يمكنني إرسالها إلى Whisper؟
يقبل Whisper التنسيقات الشائعة بما في ذلك mp3 وmp4 وmpeg وmpga وm4a وwav وwebm. يجب أن يكون حجم الملف الذي تم تحميله أقل من 25 ميغابايت.
كيف يمكنني الحصول على إمكانية الوصول إلى واجهة برمجة تطبيقات تحويل الكلام إلى نص؟
قم بإنشاء حساب Muapi، وقم بإنشاء مفتاح API من لوحة المعلومات، واستدعاء أي من نقطتي النهاية. لا توجد قائمة انتظار.
واجهة برمجة تطبيقات تحويل النص إلى كلام →قم بتحويل النص الذي تم إنشاؤه مرة أخرى إلى كلام طبيعي بعد النسخ.واجهة برمجة تطبيقات الصوت والموسيقى بالذكاء الاصطناعي →تصفح الكلام والموسيقى والمؤثرات الصوتية ونماذج الصوت الأخرى.API Lipsync →مزامنة مسار صوتي يعتمد على النص مع مقطع فيديو للوجه.
هل أنت مستعد لنسخ الصوت؟
قم بإنشاء مفتاح Muapi API واحد وابدأ بنسخ Whisper أو تحليل Gemini Audio Vision.