Skip to main content
Use o valor id como o parâmetro model nas requisições à API. 5 modelos disponíveis atualmente.

​
Uso

Modelos de fala para texto transcrevem áudio falado em texto escrito. Eles são acessados pela API de transcrições de áudio.

​
Formatos de áudio suportados

wav, wave, flac, m4a, aac, mp4, mp3, ogg, oga, webm Um arquivo é aceito quando seu tipo MIME ou sua extensão está nesta lista, e ele também precisa passar em uma verificação de magic bytes sobre os bytes enviados. Renomear um arquivo para uma extensão suportada não é suficiente.

​
Formatos de resposta

​
Timestamps

Defina timestamps: true para receber dados de tempo junto com a transcrição. A resposta adiciona um objeto timestamps cuja granularidade depende do modelo:
nvidia/parakeet-tdt-0.6b-v3 é o modelo padrão, e ele aceita timestamps: true sem retornar tempos. Não há erro nem aviso — a resposta simplesmente contém text e nada mais. Se você precisar de tempos, escolha um modelo da tabela acima e verifique se a chave timestamps está presente antes de lê-la.
Entradas de palavra são { "word": "...", "start": 0.0, "end": 0.5 } e entradas de segmento são { "text": "...", "start": 0.0, "end": 3.2 }, com todos os tempos em segundos.
A cobrança é por segundo de áudio de entrada. Veja a API de transcrições de áudio para exemplos de requisição e detalhes dos parâmetros.