Model/Tukar Rambut/Pidato ke Teks

HidupOpenAI + Google_2 model

API Ucapan ke Teks — Transkripsi AI & Analisis Audio

API ucapan-ke-teks Muapi mengubah audio lisan menjadi teks melalui satu titik akhir REST terpadu. Gunakan Whisper untuk transkripsi multibahasa yang akurat dengan subtitle SRT/VTT opsional yang diberi stempel waktu, atau Gemini Audio Vision untuk analisis nada, speaker, dan suara latar belakang yang cepat. Satu kunci API, satu alur kirim dan jajak pendapat, dan harga bayar sesuai penggunaan mulai dari $0,012 per menit.

Dapatkan Kunci API Ucapan ke Teks Coba di Taman Bermain Perbandingan & contoh GitHub ↗

Model audio langsung

Transkripsi dan pemahaman audio yang diminta_2 model

Tukar RambutHidup

Hidup

Bisikan OpenAI

Transkripsi multibahasa yang akurat dari URL audio, dengan teks biasa, JSON verbose, atau keluaran subtitle SRT/VTT dengan stempel waktu.

Audio → text

$0.012 / minute

Coba Model

Tukar RambutHidup

Hidup

Visi Audio Gemini

Pemahaman audio asli di luar transkripsi: tanyakan tentang ucapan, nada, perubahan speaker, musik, atau suara latar belakang dan terima analisis teks mendetail.

Audio → analysis

$2.00/M in · $5.00/M out

Coba Model

Apa itu API Ucapan ke Teks?

API ucapan-ke-teks mengubah audio lisan menjadi teks tertulis melalui permintaan HTTP. Kirimkan URL file audio dan terima transkripnya tanpa membuat transkripsi manual atau alur pemrosesan audio.

Muapi memaparkan Whisper dan Gemini Audio Vision melalui pola REST terpadu yang sama yang digunakan di seluruh platform. Whisper adalah pilihan terfokus untuk transkripsi dan subtitle multibahasa; Gemini Audio Vision menerima perintah saat Anda memerlukan analisis, ringkasan, atau pengamatan terstruktur tentang keseluruhan rekaman.

Kedua titik akhir menggunakan satu kunci API Muapi dan siklus hidup permintaan dan jajak pendapat asinkron standar. Pilih model untuk setiap pekerjaan dan bayar hanya untuk generasi yang Anda jalankan.

Kemampuan Pidato ke Teks API

Transkripsi multibahasa

Whisper mentranskripsikan audio lisan dalam puluhan bahasa dan dapat menerima petunjuk bahasa opsional ISO-639-1.

Subtitle dengan stempel waktu

Minta output SRT atau VTT untuk pembuatan teks video, atau JSON verbose saat Anda memerlukan pengaturan waktu dan metadata per segmen.

Analisis audio yang diminta

Gemini Audio Vision dapat menjawab pertanyaan spesifik tentang file audio alih-alih hanya mengembalikan transkrip datar.

Pembicara dan kesadaran suara

Minta Gemini untuk mengidentifikasi perubahan pembicara, nada, emosi, musik, dan suara latar lainnya dalam rekaman.

Alur kerja rapat dan podcast

Ubah wawancara, rapat, ceramah, dan podcast menjadi transkrip, catatan, atau masukan hilir terstruktur yang dapat dicari.

Satu integrasi asinkron

Gunakan kunci API, alur unggahan, kirimkan titik akhir, dan kontrak hasil jajak pendapat yang sama seperti model Muapi lainnya.

Kasus penggunaan ucapan ke teks

Teks video

Hasilkan file SRT atau VTT dengan stempel waktu untuk video, kursus, podcast, dan klip sosial.

Bertemu intelijen

Transkripsikan rekaman dan ajukan pertanyaan yang ditargetkan tentang keputusan, pembicara, item tindakan, atau nada.

Aplikasi berbasis suara

Masukkan transkrip ke dalam pencarian, agen, ringkasan, atau langkah pembuatan teks lainnya dalam alur kerja otomatis.

Perbandingan Model Pidato dengan Teks

Model	Penyedia	Harga	Terbaik Untuk
Bisikan OpenAI
Visi Audio Gemini

Contoh kode API Pidato ke Teks

Kirimkan URL audio dengan bidang khusus model, terima ID permintaan, dan lakukan polling titik akhir hasil standar hingga transkrip atau analisis selesai.

1. Transkripsikan dengan OpenAI Whisper

Lewati audio_url dan atur bahasa, format_respons, prompt, atau suhu secara opsional. Gunakan srt atau vtt bila outputnya akan menjadi subtitle.

2. Analisis audio dengan Gemini Audio Vision

curl -X POST https://api.muapi.ai/api/v1/gemini-audio-vision -H "x-api-key: YOUR_API_KEY" -H "Content-Type: application/json" -d '{"prompt":"Transcribe this audio and describe speaker changes, tone, and background sounds.","audio_url":"https://example.com/interview.mp3","model":"gemini-2.5-flash"}'

# Response: {"request_id":"REQUEST_ID"}
curl https://api.muapi.ai/api/v1/predictions/REQUEST_ID/result -H "x-api-key: YOUR_API_KEY"

Berikan audio_url dan perintah yang menjelaskan transkrip, ringkasan, pembicara, atau analisis suara yang Anda perlukan. Hasilnya berisi teks yang dihasilkan.

FAQ API Pidato ke Teks

Apa itu API Ucapan ke Teks?

API ucapan-ke-teks mengubah rekaman audio menjadi teks tertulis melalui permintaan HTTP. Muapi menyediakan Whisper untuk transkripsi yang akurat dan Gemini Audio Vision untuk pemahaman audio yang cepat.

Bisakah Whisper mengembalikan subtitle dan bukan teks biasa?

Ya. Setel respon_format ke srt atau vtt untuk keluaran subtitle dengan stempel waktu, atau gunakan verbose_json untuk metadata dan pengaturan waktu per segmen.

Apa perbedaan Gemini Audio Vision dengan transkripsi?

Gemini Audio Vision menerima perintah dan alasan atas rekaman lengkap. Itu dapat menyalin, meringkas, mengidentifikasi pembicara, mendeskripsikan nada, dan mendiskusikan musik atau suara latar belakang alih-alih hanya menampilkan teks kata demi kata.

Berapa biaya ucapan-ke-teks?

Whisper berharga $0,012 per menit audio dengan minimum satu menit. Gemini Audio Vision menggunakan penagihan berbasis token dengan harga $2,00 per juta token masukan dan $5,00 per juta token keluaran.

Format audio apa yang dapat saya kirimkan ke Whisper?

Whisper menerima format umum termasuk mp3, mp4, mpeg, mpga, m4a, wav, dan webm. File yang diunggah harus berukuran di bawah 25 MB.

Bagaimana cara mendapatkan akses Speech to Text API?

Buat akun Muapi, buat kunci API dari dasbor, dan panggil salah satu titik akhir. Tidak ada daftar tunggu.

API Teks ke Ucapan →Ubah teks yang dihasilkan kembali menjadi ucapan alami setelah transkripsi.API Audio & Musik AI →Telusuri ucapan, musik, efek suara, dan model audio lainnya.AI Lipsync API →Sinkronkan trek suara berbasis transkrip ke video wajah.

Siap menyalin audio?

Buat satu kunci API Muapi dan mulai dengan transkripsi Whisper atau analisis Gemini Audio Vision.

Dapatkan Kunci API Coba Bisikan