Passer au contenu principal
La reconnaissance vocale transcrit l’audio parlé en texte écrit. Envoyez un fichier audio à /audio/transcriptions, choisissez un modèle de transcription et sélectionnez le format de réponse que vous souhaitez recevoir.

​
Utilisation de base

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"])

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);

curl https://api.venice.ai/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  --form [email protected] \
  --form model=nvidia/parakeet-tdt-0.6b-v3 \
  --form response_format=json

​
Entrées prises en charge

Les formats audio courants incluent mp3, mp4, mpeg, mpga, m4a, wav, webm, flac et ogg. Consultez la page Modèles de reconnaissance vocale pour connaître les modèles actuellement pris en charge et les tarifs.

​
Formats de réponse

FormatÀ utiliser lorsque
jsonVous souhaitez une réponse simple { "text": "..." }.
textVous souhaitez du texte brut sans analyse JSON.
srtVous avez besoin de sous-titres SubRip.
vttVous avez besoin de sous-titres WebVTT.
verbose_jsonVous avez besoin de métadonnées de segments et d’horodatages plus riches.
Utilisez les formats de sous-titres lorsque la transcription sera associée à la lecture d’un média. Utilisez json ou text lorsque la transcription alimente la synthèse, la recherche ou des invites de chat en aval.

​
Conseils pour la production

  • Gardez l’audio clair et évitez les locuteurs qui se chevauchent lorsque possible.
  • Découpez les enregistrements très longs en fragments plus petits si votre flux de travail nécessite une latence plus faible ou des réessais plus faciles.
  • Stockez le chemin audio d’origine, l’identifiant du modèle et le format de réponse avec chaque transcription pour la traçabilité.

​
Ressources connexes