> ## Documentation Index
> Fetch the complete documentation index at: https://docs.venice.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Voz a texto

> Transcribe archivos de audio con los modelos de voz a texto de Venice usando el endpoint /audio/transcriptions compatible con OpenAI.

La voz a texto transcribe audio hablado a texto escrito. Envía un archivo de audio a `/audio/transcriptions`, elige un modelo de transcripción y selecciona el formato de respuesta que deseas recibir.

## Uso básico

<CodeGroup>
  ```python Python theme={"system"}
  import os

  import requests

  with open("meeting.mp3", "rb") as audio:
      response = requests.post(
          "https://api.venice.ai/api/v1/audio/transcriptions",
          headers={"Authorization": f"Bearer {os.environ['VENICE_API_KEY']}"},
          files={"file": audio},
          data={
              "model": "nvidia/parakeet-tdt-0.6b-v3",
              "response_format": "json",
          },
      )

  response.raise_for_status()
  print(response.json()["text"])
  ```

  ```javascript Node.js theme={"system"}
  import { createReadStream } from "node:fs";
  import FormData from "form-data";

  const form = new FormData();
  form.append("file", createReadStream("meeting.mp3"));
  form.append("model", "nvidia/parakeet-tdt-0.6b-v3");
  form.append("response_format", "json");

  const response = await fetch("https://api.venice.ai/api/v1/audio/transcriptions", {
    method: "POST",
    headers: {
      Authorization: `Bearer ${process.env.VENICE_API_KEY}`,
      ...form.getHeaders(),
    },
    body: form,
  });

  if (!response.ok) {
    throw new Error(await response.text());
  }

  const transcript = await response.json();
  console.log(transcript.text);
  ```

  ```bash cURL theme={"system"}
  curl https://api.venice.ai/api/v1/audio/transcriptions \
    -H "Authorization: Bearer $VENICE_API_KEY" \
    --form file=@meeting.mp3 \
    --form model=nvidia/parakeet-tdt-0.6b-v3 \
    --form response_format=json
  ```
</CodeGroup>

## Entradas admitidas

Los formatos de audio comunes incluyen `mp3`, `mp4`, `mpeg`, `mpga`, `m4a`, `wav`, `webm`, `flac` y `ogg`. Consulta la página de [Modelos de Voz a Texto](/models/speech-to-text) para conocer el soporte de modelos y precios actuales.

## Formatos de respuesta

| Formato        | Cuándo usarlo                                                       |
| -------------- | ------------------------------------------------------------------- |
| `json`         | Quieres una respuesta sencilla `{ "text": "..." }`.                 |
| `text`         | Quieres texto plano sin análisis de JSON.                           |
| `srt`          | Necesitas subtítulos SubRip.                                        |
| `vtt`          | Necesitas subtítulos WebVTT.                                        |
| `verbose_json` | Necesitas metadatos más detallados de marcas de tiempo y segmentos. |

<Tip>
  Usa formatos de subtítulos cuando la transcripción se combine con la reproducción de contenido multimedia. Usa `json` o `text` cuando la transcripción alimente resúmenes, búsqueda o prompts de chat posteriores.
</Tip>

## Consejos para producción

* Mantén el audio claro y evita solapamientos entre hablantes cuando sea posible.
* Divide las grabaciones muy largas en fragmentos más pequeños si tu flujo de trabajo necesita menor latencia o reintentos más sencillos.
* Almacena la ruta original del audio, el ID del modelo y el formato de respuesta con cada transcripción para facilitar la auditoría.

## Recursos relacionados

* [API de Transcripciones de Audio](/api-reference/endpoint/audio/transcriptions)
* [Modelos de Voz a Texto](/models/speech-to-text)
* [Guía de Texto a Voz](/guides/media/text-to-speech)