AudioVivi
ViviOpenAI Whisper
Trascrizione multilingue accurata da un URL audio, con testo semplice, JSON dettagliato o output dei sottotitoli SRT/VTT con timestamp.
Audio → text
$0.012 / minute
ViviOpenAI+Google2 modelli
API Speech to Text: trascrizione AI e analisi audio
L'API di sintesi vocale di Muapi trasforma l'audio parlato in testo attraverso un endpoint REST unificato. Utilizza Whisper per una trascrizione multilingue accurata con sottotitoli SRT/VTT con timestamp opzionali o Gemini Audio Vision per l'analisi tempestiva del tono, degli altoparlanti e del suono di sottofondo. Una chiave API, un flusso di invio e sondaggio e prezzi con pagamento in base al consumo da $ 0,012 al minuto.
Modelli audio dal vivo
Trascrizione e comprensione guidata dell'audio2 modelliProva il modello
AudioVivi
ViviGemini Audio Vision
Comprensione dell'audio nativo oltre la trascrizione: chiedi informazioni sul parlato, sul tono, sui cambiamenti degli oratori, sulla musica o sui suoni di sottofondo e ricevi un'analisi dettagliata del testo.
Audio → analysis
$2.00/M in · $5.00/M out
Nessun modello corrisponde ai tuoi filtri.
Che cos'è un'API di sintesi vocale?
Un'API di sintesi vocale converte l'audio parlato in testo scritto tramite una richiesta HTTP. Invia l'URL di un file audio e ricevi una trascrizione senza creare una trascrizione manuale o una pipeline di elaborazione audio.
Muapi espone Whisper e Gemini Audio Vision attraverso lo stesso modello REST unificato utilizzato su tutta la piattaforma. Whisper è la scelta mirata per la trascrizione e i sottotitoli multilingue; Gemini Audio Vision accetta una richiesta quando sono necessarie analisi, riepiloghi o osservazioni strutturate sull'intera registrazione.
Entrambi gli endpoint utilizzano una chiave API Muapi e il ciclo di vita asincrono di richiesta e polling standard. Scegli il modello per ogni lavoro e paghi solo per la generazione che esegui.
Funzionalità API di sintesi vocale
Trascrizione multilingue
Whisper trascrive l'audio parlato in decine di lingue e può accettare un suggerimento linguistico ISO-639-1 opzionale.
Sottotitoli con timestamp
Richiedi l'output SRT o VTT per i sottotitoli video o JSON dettagliato quando hai bisogno di metadati e tempi per segmento.
Analisi audio guidata
Gemini Audio Vision può rispondere a una domanda specifica su un file audio invece di restituire solo una trascrizione piatta.
Relatore e consapevolezza del suono
Chiedi a Gemini di identificare i cambiamenti dell'oratore, il tono, l'emozione, la musica e altri suoni di sottofondo nella registrazione.
Flussi di lavoro per riunioni e podcast
Trasforma interviste, riunioni, conferenze e podcast in trascrizioni, note o input downstream strutturati ricercabili.
Una integrazione asincrona
Utilizza la stessa chiave API, flusso di caricamento, endpoint di invio e contratto di polling dei risultati di ogni altro modello Muapi.
Casi d'uso del discorso al testo
Sottotitoli video
Genera file SRT o VTT con timestamp per video, corsi, podcast e clip social.
Incontro con l'intelligenza
Trascrivi le registrazioni e poni domande mirate su decisioni, relatori, azioni o tono.
Applicazioni a comando vocale
Inserisci le trascrizioni nella ricerca, negli agenti, nel riepilogo o in altre fasi di generazione del testo in un flusso di lavoro automatizzato.
Confronto tra modelli da discorso a testo
| Modello | Fornitore | Prezzo | Ideale per |
|---|---|---|---|
| Trascrizione e sottotitoli multilingue accurati | |||
| Analisi guidata del parlato, degli altoparlanti, del tono e del suono di sottofondo |
Esempi di codice API Speech to Text
Invia un URL audio con i campi specifici del modello, ricevi un ID di richiesta ed esegui il polling dell'endpoint del risultato standard fino al completamento della trascrizione o dell'analisi.
1. Trascrivi con OpenAI Whisper
Passa l'audio_url e, facoltativamente, imposta la lingua, il formato della risposta, il prompt o la temperatura. Usa srt o vtt quando l'output diventerà i sottotitoli.
2. Analizza l'audio con Gemini Audio Vision
Passa audio_url e un messaggio che descrive la trascrizione, il riepilogo, il relatore o l'analisi del suono di cui hai bisogno. Il risultato contiene il testo generato.
Domande frequenti sull'API Speech to Text
Che cos'è un'API di sintesi vocale?
Un'API di sintesi vocale converte una registrazione audio in testo scritto tramite una richiesta HTTP. Muapi fornisce Whisper per una trascrizione accurata e Gemini Audio Vision per una comprensione audio guidata.
Whisper può restituire i sottotitoli anziché il testo normale?
SÌ. Imposta Response_format su srt o vtt per l'output dei sottotitoli con timestamp oppure utilizza verbose_json per i metadati e i tempi per segmento.
In cosa Gemini Audio Vision è diverso dalla trascrizione?
Gemini Audio Vision accetta una richiesta e motiva la registrazione completa. Può trascrivere, riassumere, identificare gli oratori, descrivere il tono e discutere la musica o i suoni di sottofondo invece di restituire solo il testo parola per parola.
Quanto costa la sintesi vocale?
Whisper costa $ 0,012 al minuto di audio con un minimo di un minuto. Gemini Audio Vision utilizza la fatturazione basata su token a 2,00 dollari per milione di token di input e 5,00 dollari per milione di token di output.
Quali formati audio posso inviare a Whisper?
Whisper accetta formati comuni tra cui mp3, mp4, mpeg, mpga, m4a, wav e webm. Il file caricato deve essere inferiore a 25 MB.
Come posso ottenere l'accesso all'API Speech to Text?
Crea un account Muapi, genera una chiave API dalla dashboard e chiama uno degli endpoint. Non c'è lista d'attesa.
API di sintesi vocale →Trasforma il testo generato nuovamente in parlato naturale dopo la trascrizione.API AI audio e musica →Sfoglia parlato, musica, effetti sonori e altri modelli audio.API AI Lipsync →Sincronizza una traccia vocale basata sulla trascrizione con un video facciale.
Pronti per trascrivere l'audio?
Crea una chiave API Muapi e inizia con la trascrizione Whisper o l'analisi Gemini Audio Vision.