오디오라이브
라이브OpenAI 속삭임
일반 텍스트, 자세한 JSON 또는 타임스탬프가 있는 SRT/VTT 자막 출력을 사용하여 오디오 URL에서 정확한 다국어 전사를 수행합니다.
Audio → text
$0.012 / minute
라이브OpenAI + 구글_2 모델
음성-텍스트 API — AI 전사 및 오디오 분석
Muapi의 음성-텍스트 API는 하나의 통합 REST 엔드포인트를 통해 음성 오디오를 텍스트로 변환합니다. 선택 사항인 타임스탬프가 있는 SRT/VTT 자막이 포함된 정확한 다국어 전사를 위해 Whisper를 사용하거나 톤, 스피커 및 배경 사운드에 대한 신속한 분석을 위해 Gemini Audio Vision을 사용하세요. API 키 1개, 제출 및 폴링 흐름 1개, 종량제 가격(분당 0.012달러).
라이브 오디오 모델
전사 및 프롬프트 오디오 이해_2 모델모델 체험하기
오디오라이브
라이브Gemini 오디오 비전
전사 이상의 기본 오디오 이해: 음성, 톤, 화자 변경, 음악 또는 배경 소리에 대해 질문하고 자세한 텍스트 분석을 받습니다.
Audio → analysis
$2.00/M in · $5.00/M out
필터와 일치하는 모델이 없습니다.
음성-텍스트 API란 무엇입니까?
음성-텍스트 API는 HTTP 요청을 통해 음성 오디오를 서면 텍스트로 변환합니다. 수동 텍스트 변환이나 오디오 처리 파이프라인을 구축하지 않고도 오디오 파일 URL을 제출하고 스크립트를 받을 수 있습니다.
Muapi는 플랫폼 전체에서 사용되는 동일한 통합 REST 패턴을 통해 Whisper 및 Gemini Audio Vision을 노출합니다. Whisper는 다국어 전사 및 자막에 중점을 둔 선택입니다. Gemini Audio Vision은 전체 녹음에 대한 분석, 요약 또는 구조화된 관찰이 필요할 때 프롬프트를 받아들입니다.
두 엔드포인트 모두 하나의 Muapi API 키와 표준 비동기 요청 및 폴링 수명주기를 사용합니다. 각 작업에 대한 모델을 선택하고 실행하는 세대에 대해서만 비용을 지불하세요.
음성-텍스트 API 기능
다국어 전사
Whisper는 수십 가지 언어로 음성 오디오를 녹음하고 선택적 ISO-639-1 언어 힌트를 허용할 수 있습니다.
타임스탬프가 있는 자막
비디오 캡션을 위한 SRT 또는 VTT 출력을 요청하거나, 세그먼트별 타이밍 및 메타데이터가 필요한 경우 자세한 JSON을 요청하세요.
프롬프트 오디오 분석
Gemini Audio Vision은 단순한 내용만 반환하는 대신 오디오 파일에 관한 특정 질문에 답할 수 있습니다.
스피커 및 소리 인식
녹음에서 스피커 변경, 톤, 감정, 음악 및 기타 배경 소리를 식별하도록 Gemini에게 요청하세요.
회의 및 팟캐스트 워크플로
인터뷰, 회의, 강의, 팟캐스트를 검색 가능한 녹취록, 메모 또는 구조화된 다운스트림 입력으로 전환하세요.
하나의 비동기 통합
다른 모든 Muapi 모델과 동일한 API 키, 업로드 흐름, 엔드포인트 제출 및 결과 폴링 계약을 사용하세요.
음성을 텍스트로 변환하는 사용 사례
비디오 캡션
비디오, 강좌, 팟캐스트 및 소셜 클립에 대한 타임스탬프가 있는 SRT 또는 VTT 파일을 생성합니다.
미팅 인텔리전스
녹음 내용을 기록하고 결정, 발표자, 작업 항목 또는 어조에 대해 타겟 질문을 합니다.
음성 기반 애플리케이션
자동화된 워크플로의 검색, 에이전트, 요약 또는 기타 텍스트 생성 단계에 기록을 제공합니다.
음성-텍스트 모델 비교
| 모델 | 제공사 | 가격 | 추천 용도 |
|---|---|---|---|
Speech to Text API 코드 예
모델별 필드가 포함된 오디오 URL을 제출하고, 요청 ID를 받고, 기록 또는 분석이 완료될 때까지 표준 결과 엔드포인트를 폴링합니다.
1. OpenAI Whisper로 녹음
audio_url을 전달하고 선택적으로 언어, response_format, 프롬프트 또는 온도를 설정합니다. 출력이 자막이 될 경우 srt 또는 vtt를 사용하십시오.
2. Gemini Audio Vision으로 오디오 분석
audio_url과 필요한 스크립트, 요약, 화자 또는 사운드 분석을 설명하는 프롬프트를 전달합니다. 결과에는 생성된 텍스트가 포함됩니다.
음성을 텍스트로 변환 API FAQ
음성-텍스트 API란 무엇입니까?
음성-텍스트 API는 HTTP 요청을 통해 오디오 녹음을 서면 텍스트로 변환합니다. Muapi는 정확한 전사를 위한 Whisper와 즉각적인 오디오 이해를 위한 Gemini Audio Vision을 제공합니다.
Whisper는 일반 텍스트 대신 자막을 반환할 수 있나요?
그렇습니다. 타임스탬프가 있는 자막 출력을 위해 response_format을 srt 또는 vtt로 설정하거나 세그먼트별 메타데이터 및 타이밍을 위해 verbose_json을 사용하세요.
Gemini Audio Vision은 전사와 어떻게 다릅니까?
Gemini Audio Vision은 전체 녹음에 대한 프롬프트와 이유를 받아들입니다. 단어 대 단어 텍스트만 반환하는 대신 텍스트를 복사하고, 요약하고, 화자를 식별하고, 어조를 설명하고, 배경 음악이나 소리에 대해 논의할 수 있습니다.
음성-텍스트 변환 비용은 얼마입니까?
Whisper의 오디오 비용은 분당 $0.012이며 최소 1분입니다. Gemini Audio Vision은 백만 입력 토큰당 $2.00, 백만 출력 토큰당 $5.00의 토큰 기반 청구를 사용합니다.
Whisper에는 어떤 오디오 형식을 제출할 수 있나요?
Whisper는 mp3, mp4, mpeg, mpga, m4a, wav 및 webm을 포함한 일반적인 형식을 허용합니다. 업로드된 파일은 25MB 미만이어야 합니다.
Speech to Text API에 액세스하려면 어떻게 해야 하나요?
Muapi 계정을 생성하고, 대시보드에서 API 키를 생성하고, 두 엔드포인트 중 하나를 호출하세요. 대기자 명단이 없습니다.
텍스트 음성 변환 API →생성된 텍스트를 전사 후 자연스러운 음성으로 다시 변환합니다.AI 오디오 및 음악 API →음성, 음악, 음향 효과 및 기타 오디오 모델을 찾아보세요.AI 립싱크 API →스크립트 기반 음성 트랙을 얼굴 비디오에 동기화합니다.
오디오를 텍스트로 변환할 준비가 되셨나요?
하나의 Muapi API 키를 생성하고 Whisper 전사 또는 Gemini Audio Vision 분석을 시작하세요.