نماذج تحويل الكلام إلى نص

استخدم قيمة id كمعامل model في طلبات API. عدد النماذج المتوفرة حاليًا: 5.

النموذج	المعرّف	لكل ثانية صوت	الخصوصية
ElevenLabs Scribe V2	`elevenlabs/scribe-v2`	$0.0002	Anonymized
Parakeet ASR	`nvidia/parakeet-tdt-0.6b-v3`	$0.0001	Private
Whisper Large V3	`openai/whisper-large-v3`	$0.0001	Private
Wizper (Whisper v3)	`fal-ai/wizper`	$0.0001	Private
xAI Speech to Text v1	`stt-xai-v1`	$0.0000	Anonymized

الاستخدام

تقوم نماذج تحويل الكلام إلى نص بنسخ الصوت المنطوق إلى نص مكتوب. يتم الوصول إليها عبر واجهة Audio Transcriptions API.

صيغ الصوت المدعومة

wav, wave, flac, m4a, aac, mp4, mp3, ogg, oga, webm يُقبل الملف عندما يكون نوع MIME الخاص به أو امتداده ضمن هذه القائمة، ويجب أيضًا أن يجتاز فحص البايتات السحرية (magic-byte) على البايتات المرفوعة. إعادة تسمية ملف بامتداد مدعوم لا تكفي.

صيغ الاستجابة

الصيغة	الوصف
`json`	الافتراضي. يُرجع `{ "text": "..." }`، بالإضافة إلى `duration` و`timestamps` عند توفرهما.
`text`	نص منسوخ عادي.

الطوابع الزمنية

عيّن timestamps: true لتلقي بيانات التوقيت مع التفريغ. تضيف الاستجابة كائن timestamps تعتمد درجة تفصيله على النموذج:

النموذج	درجة التفصيل
`elevenlabs/scribe-v2`	`word`
`stt-xai-v1`	`word`
`openai/whisper-large-v3`	`segment`
`fal-ai/wizper`	`segment`
`nvidia/parakeet-tdt-0.6b-v3`	لا شيء

nvidia/parakeet-tdt-0.6b-v3 هو النموذج الافتراضي، وهو يقبل timestamps: true دون إرجاع توقيتات. لا يوجد خطأ ولا تحذير — تحتوي الاستجابة ببساطة على text ولا شيء آخر. إذا كنت بحاجة إلى التوقيتات، اختر نموذجًا من الجدول أعلاه وتحقق من وجود المفتاح timestamps قبل قراءته.

إدخالات الكلمات على شكل { "word": "...", "start": 0.0, "end": 0.5 } وإدخالات المقاطع على شكل { "text": "...", "start": 0.0, "end": 3.2 }، وجميع الأزمنة بالثواني.

يتم احتساب التسعير لكل ثانية من الصوت المُدخَل. راجع واجهة Audio Transcriptions API للحصول على أمثلة الطلبات وتفاصيل المعاملات.

​الاستخدام

​صيغ الصوت المدعومة

​صيغ الاستجابة

​الطوابع الزمنية

الاستخدام

صيغ الصوت المدعومة

صيغ الاستجابة

الطوابع الزمنية