API di trascrizione per agenti IA

Il tuo agente invia un file audio o video e ottiene il testo con inizio e fine esatti di ogni parola, le etichette dei parlanti e i sottotitoli SRT già pronti. Si richiama con una normale richiesta HTTPS e un’unica chiave API da Claude Code, Codex, Cursor o direttamente dal tuo codice, in 100 lingue tra cui ebraico e arabo.

Ottieni una chiave API Leggi la documentazione Istruzioni per gli agenti

Incolla questo testo nel tuo agente

Funziona con Claude Code, Codex, Cursor, Windsurf e qualsiasi agente capace di eseguire comandi. Fornisce all’agente le istruzioni in formato leggibile dalla macchina, così da fargli usare gli ID dei modelli e i parametri corretti.

Add speech-to-text to this project with the KolWrite API.
Read https://console.kolwrite.com/agent-instructions.md first.
- Key: KOLWRITE_API_KEY (environment variable), sent as the x-api-key header. Never hard-code or log it.
- POST https://app.kolwrite.com/transcribe {"audio_url": "...", "model": "oracle", "output_format": "json"},
  then poll GET /transcribe/{jobId} until status is COMPLETED.
- Local files: POST /upload first and use fileUrl as audio_url. For video, extract the audio with ffmpeg.
- result.segments[].words[] has the start and end of every word. For subtitles use output_format "srt"
  with "word_timestamps": false.

agent-instructions.md · llms.txt · llms-full.txt · openapi.json

Inserisci la stessa riga in AGENTS.md o CLAUDE.md così ogni sessione leggerà lo stesso riferimento.

Guida rapida

Bastano tre chiamate: avvii il job, leggi il risultato e richiedi i sottotitoli. Trovi tutti i parametri nella documentazione dell'API.

1. Avvia un lavoro

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"}

2. Leggi il risultato

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"}]
      }
    ]
  }
}

3. Ottieni i sottotitoli SRT per lo stesso file

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",
       "output_format": "srt",
       "word_timestamps": false}'

# Poll the same way. "result" is a string:
1
00:00:00,500 --> 00:00:03,200
שלום, נתחיל את הפגישה.

Cosa ci fanno gli agenti

In ogni guida trovi la richiesta, il codice eseguibile e i limiti da tenere presenti.

Montare video con un agente IAL'agente legge la trascrizione con i timestamp di ogni parola, sceglie le parti da tenere ed esegue il taglio con ffmpeg.
Sottotitoli SRT da videoCon una sola chiamata ottieni un file SRT e i sottotitoli tradotti; con ffmpeg puoi poi convertirli in WebVTT o imprimerli nel video.
Riunioni con etichette dei parlantiTrascrivi le registrazioni di Zoom, Meet e Teams per estrarre verbali e attività da svolgere.
Il timestamp esatto di ogni parolaClip, jump cut, momenti salienti e ricerca a partire dai timestamp per parola.
Uno strumento di trascrizione per il tuo agenteDefinizioni dei tool nei formati Anthropic e OpenAI, più una regola per AGENTS.md.
Sottotitoli per podcast e YouTubeSottotitoli, trascrizione e capitoli da un'unica elaborazione.

Tutte le guide

Cosa restituisce l’API

Timestamp di inizio e fine per ogni parola in formato JSON e SRT.
Etichette dei parlanti ottenute tramite diarizzazione, oppure un'etichetta per ogni canale audio fisico.
Traduzione in un'altra lingua con i modelli Oracle.
JSON, testo semplice o SRT, selezionabile per singola richiesta.
Ricevi un webhook a fine elaborazione, oppure esegui il polling del job.
Lingua rilevata in automatico o impostata per singola richiesta.

Benchmark

Accuratezza su Google FLEURS e Mozilla CommonVoice. Più il valore è alto, migliore è il risultato.

Accuratezza su Google FLEURS (%)

Prezzi

Crediti per ora di audio, addebitati per ogni job.

1 credito di utilizzo US$1.20

Modello	Crediti/ora
Base	0.40
Oracle Mini	0.80
Oracle	1.20
Oracle Pro	1.40
Oracle Max	3.00
CoreLegacy	1.00
EdgeLegacy	1.20

La separazione standard per canale è inclusa. Quella per voci sovrapposte viene invece calcolata alla tariffa del modello scelto, prendendo il valore più alto tra la durata della registrazione e il totale del parlato rilevato sui vari canali fisici. Nessuna delle due opzioni prevede supplementi per la diarizzazione.

Confronto dei modelli

I modelli disponibili in sintesi.

Modello	Crediti/ora	Riepilogo	Ideale per
Base	0.40	Trascrizione economica con timestamp per parola.	Audio pulito e grandi volumi di lavoro
Oracle Mini	0.80	Livello Oracle veloce ed economico.	Bozze e lavori ad alto throughput
OracleDi punta	1.20	Trascrizione e traduzione per la produzione.	Buon compromesso tra qualità, velocità e costi
Oracle Pro	1.40	Livello Oracle di qualità superiore.	Audio di produzione impegnativo
Oracle Max	3.00	Livello Oracle di qualità massima.	Audio difficile e di grande importanza
CoreLegacy	1.00	Modello legacy veloce di uso generale.	Integrazioni esistenti con Core
EdgeLegacy	1.20	Modello ad alta accuratezza della generazione precedente.	Integrazioni esistenti con Edge

Ottieni una chiave API

Crea un account e genera una chiave nella pagina API Keys.

Ottieni una chiave API Leggi la documentazione