Transcrição de áudio

Transcreva áudio com POST /audio/transcriptions, no mesmo formato da OpenAI. O modelo é o Whisper Large V3, que roda no Brasil. Os exemplos usam o cliente configurado em Inferência de IA.

with open("reuniao.mp3", "rb") as audio:
    transcricao = client.audio.transcriptions.create(
        model="openai-whisper-large-v3",
        file=audio,
    )
 
print(transcricao.text)

import fs from "node:fs";
 
const transcricao = await client.audio.transcriptions.create({
  model: "openai-whisper-large-v3",
  file: fs.createReadStream("reuniao.mp3"),
});
 
console.log(transcricao.text);

curl https://platform.onveloz.com/api/ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $VELOZ_AI_KEY" \
  -F model=openai-whisper-large-v3 \
  -F file=@reuniao.mp3 \
  -F response_format=text

Formatos de resposta

response_format aceita:

• json (padrão): { "text": "..." }.
• text: só o texto, sem JSON.
• verbose_json: o texto, os trechos com o início e o fim de cada um, e a duração do áudio.

Legendas em srt e vtt não estão disponíveis: a requisição responde 400 com o código unsupported_response_format. Para montar legendas, use os trechos do verbose_json.

Os outros campos do formato da OpenAI, como language e prompt, vão para o modelo como vieram.

Limites

• O arquivo pode ter até 25 MB. Para áudios maiores, divida em partes.
• Com response_format=text, a transcrição precisa começar a chegar em até 100 segundos. Para áudios longos, use json.
• A rota atende só o modelo do catálogo: não aceita provedores próprios nem modelos de reserva.

Preço

A cobrança é pela duração do áudio, por segundo: R$ 0,000896 por minuto, cerca de R$ 0,054 por hora de áudio. Veja Modelos e preços.