API de voz a texto

Envía el audio, consulta el trabajo y recibe segmentos con tiempos por palabra y etiquetas de hablante en JSON, TXT o SRT. El idioma se detecta automáticamente o se indica en cada solicitud; los modelos Oracle también traducen.

Obtener una clave de API Ver la documentación

Inicio rápido

Inicia un trabajo y luego léelo. Todos los parámetros están en la documentación de la API.

curl https://app.kolwrite.com/transcribe \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"audio_url": "https://example.com/meeting.m4a",
       "model": "oracle",
       "language": "he",
       "include_diarization": true,
       "output_format": "json"}'

{"jobId": "34c63d45-4cb5-473b-bc60-25c175e69c57"}
curl https://app.kolwrite.com/transcribe/34c63d45-4cb5-473b-bc60-25c175e69c57 \
  -H "x-api-key: YOUR_API_KEY"

{
  "jobId": "34c63d45-4cb5-473b-bc60-25c175e69c57",
  "status": "COMPLETED",
  "result": {
    "language": "he",
    "segments": [
      {
        "start": 0.5,
        "end": 3.2,
        "speaker": "Speaker 1",
        "text": "שלום, נתחיל את הפגישה.",
        "words": [{"start": 0.5, "end": 0.8, "word": "שלום"}]
      }
    ]
  }
}

Lo que devuelve la API

  • Tiempos de inicio y fin de cada palabra en JSON y SRT.
  • Etiquetas de hablante por diarización, o una etiqueta por canal físico de audio.
  • Traducción a otro idioma en los modelos Oracle.
  • JSON, texto plano o SRT, elegido en cada solicitud.
  • Un webhook cuando termina el trabajo, o consulta el trabajo tú mismo.
  • El idioma se detecta automáticamente o se indica en cada solicitud.

Pruebas de referencia

Precisión en Google FLEURS y Mozilla CommonVoice. Cuanto más alto, mejor.

Precisión en Google FLEURS (%)

Precios

Créditos por hora de audio, cobrados por trabajo.

1 crédito de uso US$1.20

Modelo Créditos de uso/hora
Base 0.40
Oracle Mini 0.80
Oracle 1.20
Oracle Pro 1.40
Oracle Max 3.00
CoreHeredado 1.00
EdgeHeredado 1.20

La separación estándar de hablantes por canales está incluida. La separación de habla solapada se factura a la tarifa del modelo seleccionado por el mayor valor entre la duración de la grabación y el tiempo total de habla detectado en sus canales físicos. Ninguno de los modos añade un recargo por diarización.

Comparación de modelos

Opciones de modelos de un vistazo.

Modelo Créditos de uso/hora Resumen Ideal para
Base 0.40 Transcripción económica con marcas de tiempo por palabra. Audio claro y trabajos de gran volumen
Oracle Mini 0.80 Nivel Oracle rápido y económico. Borradores y trabajos de alto rendimiento
OracleInsignia 1.20 Transcripción y traducción para producción. Equilibrio entre calidad, velocidad y coste
Oracle Pro 1.40 Nivel Oracle de mayor calidad. Audio de producción exigente
Oracle Max 3.00 Nivel Oracle de máxima calidad. Audio complejo y de gran importancia
CoreHeredado 1.00 Modelo heredado rápido de uso general. Integraciones existentes con Core
EdgeHeredado 1.20 Modelo de alta precisión de la generación anterior. Integraciones existentes con Edge

Obtener una clave de API

Crea una cuenta y genera una clave en la página de claves de API.

Obtener una clave de API Ver la documentación