АудиоЖиви
ЖивиOpenAI Шепот
Точная многоязычная транскрипция URL-адреса аудио с выводом субтитров в виде обычного текста, подробного JSON или субтитров SRT/VTT с отметкой времени.
Audio → text
$0.012 / minute
ЖивиОпенАИ + Гугл2 моделей
API преобразования речи в текст — ИИ-транскрипция и анализ аудио
API преобразования речи в текст Muapi превращает разговорный звук в текст через одну унифицированную конечную точку REST. Используйте Whisper для точной многоязычной транскрипции с дополнительными субтитрами SRT/VTT с отметкой времени или Gemini Audio Vision для быстрого анализа тона, динамиков и фонового звука. Один ключ API, один поток отправки и опроса и оплата по мере использования от 0,012 доллара США в минуту.
Модели живого звука
Транскрипция и подсказка для понимания аудио2 моделейПопробуйте модель
АудиоЖиви
ЖивиБлизнецы Аудио Видение
Понимание собственного звука помимо транскрипции: спрашивайте о речи, тоне, смене динамиков, музыке или фоновых звуках и получайте подробный анализ текста.
Audio → analysis
$2.00/M in · $5.00/M out
Ни одна модель не соответствует вашим фильтрам.
Что такое API речи в текст?
API преобразования речи в текст преобразует устный звук в письменный текст посредством HTTP-запроса. Отправьте URL-адрес аудиофайла и получите расшифровку без создания ручной транскрипции или конвейера обработки звука.
Muapi предоставляет Whisper и Gemini Audio Vision через один и тот же унифицированный шаблон REST, используемый на всей платформе. Whisper — лучший выбор для многоязычной транскрипции и субтитров; Gemini Audio Vision принимает подсказку, когда вам нужен анализ, резюме или структурированные наблюдения по всей записи.
Обе конечные точки используют один ключ API Muapi и стандартный асинхронный жизненный цикл запросов и опросов. Выбирайте модель для каждого задания и платите только за используемое поколение.
Возможности API преобразования речи в текст
Многоязычная транскрипция
Whisper расшифровывает разговорный звук на десятках языков и может принимать дополнительную языковую подсказку ISO-639-1.
Субтитры с отметкой времени
Запросите вывод SRT или VTT для субтитров к видео или подробный JSON, если вам нужны синхронизация и метаданные для каждого сегмента.
Подсказка аудиоанализа
Gemini Audio Vision может ответить на конкретный вопрос об аудиофайле вместо того, чтобы возвращать только расшифровку.
Динамик и звуковая осведомленность
Попросите Близнецов определить изменения говорящего, тон, эмоции, музыку и другие фоновые звуки в записи.
Рабочие процессы встреч и подкастов
Превратите интервью, встречи, лекции и подкасты в расшифровки стенограмм, заметки или структурированные последующие материалы с возможностью поиска.
Одна асинхронная интеграция
Используйте тот же ключ API, поток загрузки, конечную точку отправки и контракт опроса результатов, что и в любой другой модели Muapi.
Варианты использования речи в текст
Субтитры к видео
Создавайте файлы SRT или VTT с отметками времени для видео, курсов, подкастов и клипов из социальных сетей.
Разведка встреч
Расшифруйте записи и задавайте целевые вопросы о решениях, выступающих, действиях или тоне.
Голосовые приложения
Вставляйте расшифровки в поиск, агентов, обобщение или другие этапы создания текста в автоматизированном рабочем процессе.
Сравнение модели речи и текста
| Модель | Поставщик | Цена | Лучшее для |
|---|---|---|---|
Примеры кода API преобразования речи в текст
Отправьте URL-адрес аудио с полями, специфичными для модели, получите идентификатор запроса и опрашивайте стандартную конечную точку результата, пока расшифровка или анализ не будут завершены.
1. Транскрибируйте с помощью OpenAI Whisper
Передайте audio_url и, при необходимости, установите язык, формат ответа, подсказку или температуру. Используйте srt или vtt, когда на выходе будут субтитры.
2. Анализируйте звук с помощью Gemini Audio Vision.
Передайте audio_url и приглашение с описанием необходимой вам расшифровки, резюме, выступления докладчика или звукового анализа. Результат содержит сгенерированный текст.
Часто задаваемые вопросы по API преобразования речи в текст
Что такое API речи в текст?
API преобразования речи в текст преобразует аудиозапись в письменный текст посредством HTTP-запроса. Muapi обеспечивает Whisper для точной транскрипции и Gemini Audio Vision для быстрого понимания звука.
Может ли Whisper возвращать субтитры вместо обычного текста?
Да. Установите для параметра response_format значение srt или vtt для вывода субтитров с отметкой времени или используйте verbose_json для метаданных и синхронизации каждого сегмента.
Чем Gemini Audio Vision отличается от транскрипции?
Gemini Audio Vision принимает приглашение и обосновывает полную запись. Он может расшифровывать, суммировать, идентифицировать говорящих, описывать тон и обсуждать фоновую музыку или звуки вместо того, чтобы возвращать только дословный текст.
Сколько стоит преобразование речи в текст?
Whisper стоит 0,012 доллара США за минуту аудио при минимальной продолжительности одной минуты. Gemini Audio Vision использует биллинг на основе токенов по цене 2 доллара США за миллион входных токенов и 5 долларов США за миллион выходных токенов.
Какие аудиоформаты я могу отправить в Whisper?
Whisper принимает распространенные форматы, включая mp3, mp4, mpeg, mpga, m4a, wav и webm. Загруженный файл должен иметь размер менее 25 МБ.
Как получить доступ к API преобразования речи в текст?
Создайте учетную запись Muapi, сгенерируйте ключ API на панели мониторинга и вызовите любую конечную точку. Листа ожидания нет.
API преобразования текста в речь →Превратите сгенерированный текст обратно в естественную речь после транскрипции.API аудио и музыки AI →Просмотрите речь, музыку, звуковые эффекты и другие аудиомодели.AI Lipsync API →Синхронизируйте голосовую дорожку, основанную на расшифровке, с видео лица.
Готовы расшифровать аудио?
Создайте один ключ API Muapi и начните с транскрипции Whisper или анализа Gemini Audio Vision.