Esta página foi traduzida automaticamente do inglês e pode estar desatualizada. Leia o original
Fala para Texto (STT)
Use Transcrições de Áudio para converter fala gravada em texto para busca, revisão, legendas ou automação posterior. Os usos típicos incluem transcrever reuniões e entrevistas, legendar vídeos gravados, tornar notas de voz pesquisáveis e alimentar entradas faladas em pipelines de classificação ou RAG.
Autentique as solicitações com uma chave de API da AIVAX. Consulte Autenticação para orientações de autorização.
Escolha um modelo de transcrição #
Consulte os modelos de transcrição disponíveis para a conta autenticada antes de selecionar um. A disponibilidade pode variar conforme a configuração da conta, portanto, não codifique fixamente um catálogo em seu aplicativo.
Transcreva áudio #
Envie o áudio como base64 com seu formato (wav, mp3, m4a, flac, ogg, webm ou aac). O áudio decodificado está sujeito ao limite de tamanho em Preços, limites e erros. A cobrança segue a duração medida da mídia, e arquivos sem duração mensurável são rejeitados.
Forneça a dica opcional language quando o idioma falado for conhecido. Ela direciona o reconhecimento para esse idioma e ajuda com sotaques e vocabulário específico; omita-a quando o idioma variar genuinamente dentro de um único arquivo e deixe a detecção cuidar disso.
Revise o texto retornado antes de usá-lo em ações visíveis ao usuário ou irreversíveis: gravações ruidosas, múltiplos falantes, vocabulário especializado e má qualidade do microfone podem afetar a qualidade da transcrição. O endpoint retorna o texto da transcrição, não rótulos de falante, então planeje uma etapa de diarização ou revisão no fluxo subsequente para arquivos onde a atribuição do falante é importante.
A referência embutida é a fonte da verdade para formas de solicitação aceitas, opções e campos de resposta.
Após a transcrição #
Uma transcrição geralmente é o início de um pipeline, não o fim. Indexe-a em uma coleção RAG para tornar as gravações pesquisáveis, execute-a pelo Batch quando houver muitos arquivos ou alimente-a na Classificação de Texto para rotular conversas em escala. Para conversas ao vivo em vez de áudio gravado, use Sessões de Voz.
Preços, limites e erros #
O preço da transcrição varia conforme o modelo; as tarifas atuais estão listadas no Catálogo de Modelos.
As solicitações independentes de transcrição de áudio têm limite por minuto e, no plano Free, por hora; consulte Limites de fala. As solicitações de transcrição possuem uma cota separada da geração de fala, com os mesmos valores. O áudio decodificado tem limite de 75 MB por solicitação. Corrija áudios inválidos ou inacessíveis antes de tentar novamente uma solicitação com falha.
