AudioEn direct
En directMurmure OpenAI
Transcription multilingue précise à partir d'une URL audio, avec sortie de texte brut, JSON verbeux ou de sous-titres SRT/VTT horodatés.
Audio → text
$0.012 / minute
En directOpenAI + GoogleModèles 2
API Speech to Text – Transcription IA et analyse audio
L'API parole-texte de Muapi transforme l'audio parlé en texte via un point de terminaison REST unifié. Utilisez Whisper pour une transcription multilingue précise avec des sous-titres SRT/VTT horodatés en option, ou Gemini Audio Vision pour une analyse rapide de la tonalité, des haut-parleurs et du son de fond. Une clé API, un flux de soumission et d'interrogation et une tarification à l'utilisation à partir de 0,012 $ par minute.
Modèles audio en direct
Transcription et compréhension audio invitéeModèles 2Essayer le modèle
AudioEn direct
En directGemini Audio Vision
Compréhension audio native au-delà de la transcription : posez des questions sur la parole, le ton, les changements de locuteurs, la musique ou les sons de fond et recevez une analyse détaillée du texte.
Audio → analysis
$2.00/M in · $5.00/M out
Aucun modèle ne correspond à vos filtres.
Qu'est-ce qu'une API Speech to Text ?
Une API parole-texte convertit l'audio parlé en texte écrit via une requête HTTP. Soumettez une URL de fichier audio et recevez une transcription sans créer de pipeline de transcription manuelle ou de traitement audio.
Muapi expose Whisper et Gemini Audio Vision via le même modèle REST unifié utilisé sur la plate-forme. Whisper est le choix ciblé pour la transcription et les sous-titres multilingues ; Gemini Audio Vision accepte une invite lorsque vous avez besoin d'une analyse, de résumés ou d'observations structurées sur l'ensemble de l'enregistrement.
Les deux points de terminaison utilisent une clé API Muapi et le cycle de vie asynchrone standard des requêtes et des interrogations. Choisissez le modèle pour chaque emploi et payez uniquement pour la génération que vous exécutez.
Capacités de l'API parole-texte
Transcription multilingue
Whisper transcrit l'audio parlé dans des dizaines de langues et peut accepter une indication de langue ISO-639-1 en option.
Sous-titres horodatés
Demandez une sortie SRT ou VTT pour le sous-titrage vidéo, ou un JSON détaillé lorsque vous avez besoin d'une synchronisation et de métadonnées par segment.
Analyse audio invitée
Gemini Audio Vision peut répondre à une question spécifique sur un fichier audio au lieu de renvoyer uniquement une transcription plate.
Conscience du haut-parleur et du son
Demandez à Gemini d'identifier les changements de locuteurs, le ton, l'émotion, la musique et d'autres sons de fond dans l'enregistrement.
Flux de travail de réunion et de podcast
Transformez vos entretiens, réunions, conférences et podcasts en transcriptions, notes ou entrées structurées en aval consultables.
Une intégration asynchrone
Utilisez la même clé API, le même flux de téléchargement, le même point de terminaison de soumission et le même contrat d'interrogation des résultats que tous les autres modèles Muapi.
Cas d'utilisation de la parole en texte
Sous-titrage vidéo
Générez des fichiers SRT ou VTT horodatés pour les vidéos, les cours, les podcasts et les clips sociaux.
Intelligence des réunions
Transcrivez les enregistrements et posez des questions ciblées sur les décisions, les intervenants, les actions ou le ton.
Applications pilotées par la voix
Introduisez les transcriptions dans la recherche, les agents, la synthèse ou d'autres étapes de génération de texte dans un flux de travail automatisé.
Comparaison des modèles de parole en texte
| Modèle | Fournisseur | Prix | Idéal pour |
|---|---|---|---|
Exemples de code de l'API Speech to Text
Soumettez une URL audio avec les champs spécifiques au modèle, recevez un ID de demande et interrogez le point de terminaison du résultat standard jusqu'à ce que la transcription ou l'analyse soit terminée.
1. Transcrivez avec OpenAI Whisper
Transmettez audio_url et définissez éventuellement la langue, le format de réponse, l'invite ou la température. Utilisez srt ou vtt lorsque la sortie deviendra des sous-titres.
2. Analysez l'audio avec Gemini Audio Vision
Transmettez audio_url et une invite décrivant la transcription, le résumé, le conférencier ou l'analyse sonore dont vous avez besoin. Le résultat contient le texte généré.
FAQ sur l'API de synthèse vocale
Qu'est-ce qu'une API Speech to Text ?
Une API parole-texte convertit un enregistrement audio en texte écrit via une requête HTTP. Muapi fournit Whisper pour une transcription précise et Gemini Audio Vision pour une compréhension audio assistée.
Whisper peut-il renvoyer des sous-titres au lieu du texte brut ?
Oui. Définissez response_format sur srt ou vtt pour la sortie de sous-titres horodatés, ou utilisez verbose_json pour les métadonnées et le timing par segment.
En quoi Gemini Audio Vision est-il différent de la transcription ?
Gemini Audio Vision accepte une invite et raisonne sur l'enregistrement complet. Il peut transcrire, résumer, identifier les locuteurs, décrire le ton et discuter de la musique ou des sons de fond au lieu de renvoyer uniquement du texte mot à mot.
Combien coûte la synthèse vocale ?
Whisper coûte 0,012 $ par minute d'audio avec un minimum d'une minute. Gemini Audio Vision utilise une facturation basée sur des jetons à 2,00 $ par million de jetons d'entrée et à 5,00 $ par million de jetons de sortie.
Quels formats audio puis-je soumettre à Whisper ?
Whisper accepte les formats courants, notamment mp3, mp4, mpeg, mpga, m4a, wav et webm. Le fichier téléchargé doit faire moins de 25 Mo.
Comment puis-je accéder à l'API Speech to Text ?
Créez un compte Muapi, générez une clé API à partir du tableau de bord et appelez l'un ou l'autre point de terminaison. Il n'y a pas de liste d'attente.
API de synthèse vocale →Transformez le texte généré en discours naturel après transcription.API audio et musique IA →Parcourez la parole, la musique, les effets sonores et d’autres modèles audio.API AI Lipsync →Synchronisez une piste vocale basée sur une transcription avec une vidéo de visage.
Prêt à transcrire de l'audio ?
Créez une clé API Muapi et commencez par la transcription Whisper ou l'analyse Gemini Audio Vision.