Pular para o conteúdo principal
A conversão de fala para texto transcreve áudio falado em texto escrito. Envie um arquivo de áudio para /audio/transcriptions, escolha um modelo de transcrição e selecione o formato de resposta desejado.

​
Uso Básico

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

​
Entradas Suportadas

Formatos de áudio comuns incluem mp3, mp4, mpeg, mpga, m4a, wav, webm, flac e ogg. Consulte a página Modelos de Fala para Texto para saber quais modelos são suportados atualmente e seus preços.

​
Formatos de Resposta

FormatoUse quando
jsonVocê quiser uma resposta simples no formato { "text": "..." }.
textVocê quiser texto puro sem precisar fazer parse de JSON.
srtVocê precisar de legendas SubRip.
vttVocê precisar de legendas WebVTT.
verbose_jsonVocê precisar de metadados mais ricos de timestamps e segmentos.
Use formatos de legenda quando a transcrição for combinada com a reprodução da mídia. Use json ou text quando a transcrição alimentar sumarização, busca ou prompts de chat subsequentes.

​
Dicas de Produção

  • Mantenha o áudio nítido e evite falas sobrepostas quando possível.
  • Divida gravações muito longas em pedaços menores se seu fluxo de trabalho precisar de menor latência ou retentativas mais fáceis.
  • Armazene o caminho do áudio original, o ID do modelo e o formato de resposta com cada transcrição para fins de auditoria.

​
Recursos Relacionados