Skip to main content
Usa el valor id como parámetro model en las solicitudes a la API. Actualmente hay 5 modelos disponibles.

​
Uso

Los modelos de voz a texto transcriben audio hablado en texto escrito. Se acceden mediante la API de transcripciones de audio.

​
Formatos de audio admitidos

wav, wave, flac, m4a, aac, mp4, mp3, ogg, oga, webm Un archivo se acepta cuando su tipo MIME o su extensión están en esta lista, y además debe superar una comprobación de magic bytes sobre los bytes subidos. Renombrar un archivo con una extensión admitida no es suficiente.

​
Formatos de respuesta

​
Marcas de tiempo

Establece timestamps: true para recibir datos de tiempo junto con la transcripción. La respuesta añade un objeto timestamps cuya granularidad depende del modelo:
nvidia/parakeet-tdt-0.6b-v3 es el modelo predeterminado, y acepta timestamps: true sin devolver datos de tiempo. No hay error ni advertencia: la respuesta simplemente contiene text y nada más. Si necesitas datos de tiempo, elige un modelo de la tabla anterior y comprueba que la clave timestamps está presente antes de leerla.
Las entradas de palabra son { "word": "...", "start": 0.0, "end": 0.5 } y las entradas de segmento son { "text": "...", "start": 0.0, "end": 3.2 }, con todos los tiempos en segundos.
La facturación es por segundo de audio de entrada. Consulta la API de transcripciones de audio para ejemplos de solicitud y detalles de parámetros.