API de transcrição para agentes de IA

Seu agente envia um arquivo de áudio ou vídeo e recebe o texto com o tempo exato de início e fim de cada palavra, identificação dos falantes e legendas SRT prontas. Dá para chamar a API via HTTPS puro com uma única chave pelo Claude Code, Codex, Cursor ou direto do seu código, em 100 idiomas, incluindo hebraico e árabe.

Obter uma chave de API Ver a documentação Instruções para agentes

Cole isto no seu agente

Funciona no Claude Code, Codex, Cursor, Windsurf e em qualquer agente que execute comandos. Isso indica ao agente onde estão as instruções legíveis por máquina, garantindo o uso dos IDs de modelo e parâmetros certos.

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

Fixe essa mesma linha no AGENTS.md ou no CLAUDE.md para que todas as sessões leiam a mesma referência.

Início rápido

São três chamadas: criar a tarefa, buscar o resultado e pedir as legendas. A documentação da API traz todos os parâmetros.

1. Iniciar um trabalho

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. Ler o resultado

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. Baixar as legendas SRT do mesmo arquivo

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.

O que os agentes constroem com ela

Cada guia traz a requisição, o código pronto para rodar e os limites que você precisa conhecer.

Editar vídeo com um agente de IAO agente lê a transcrição com o tempo de cada palavra, escolhe os trechos que vão ficar e faz o corte pelo ffmpeg.
Legendas SRT a partir de vídeoUma única chamada gera o arquivo SRT e as legendas traduzidas; o ffmpeg converte tudo para WebVTT ou embute as legendas no vídeo.
Reuniões com identificação de falantesTransforme gravações do Zoom, Meet e Teams em texto para gerar atas e listas de tarefas.
O tempo exato de cada palavraClipes, cortes secos, destaques e busca feitos a partir dos timestamps por palavra.
Uma ferramenta de transcrição para o seu agenteDefinições de ferramentas nos formatos da Anthropic e da OpenAI, além de uma regra para o arquivo AGENTS.md.
Legendas para podcasts e YouTubeLegendas, transcrição e capítulos gerados de uma única transcrição.

Todos os guias

O que a API retorna

Tempo de início e fim de cada palavra em JSON e SRT.
Identificação de falantes via diarização ou um rótulo para cada canal físico do áudio.
Tradução para outro idioma usando os modelos Oracle.
JSON, texto puro ou SRT, definido por requisição.
Receba um webhook quando o job terminar ou faça polling por conta própria.
Idioma detectado automaticamente ou definido por requisição.

Benchmarks

Precisão no Google FLEURS e no Mozilla CommonVoice. Quanto maior, melhor.

Precisão no Google FLEURS (%)

Preços

Créditos por hora de áudio, cobrados por job.

1 crédito de uso US$1.20

Modelo	Créditos/hora
Base	0.40
Oracle Mini	0.80
Oracle	1.20
Oracle Pro	1.40
Oracle Max	3.00
CoreLegado	1.00
EdgeLegado	1.20

A separação padrão de falantes por canal já está inclusa. Já a separação de falas sobrepostas é cobrada na tarifa do modelo escolhido, considerando o que for maior: a duração da gravação ou a soma do tempo de fala detectado nos canais físicos. Nenhum dos dois modos tem taxa extra de diarização.

Comparação de modelos

Resumo das opções de modelos.

Modelo	Créditos/hora	Resumo	Ideal para
Base	0.40	Transcrição de baixo custo com timestamps por palavra.	Áudio limpo e jobs de alto volume
Oracle Mini	0.80	Nível Oracle rápido e econômico.	Rascunhos e trabalhos de alto desempenho
OraclePrincipal	1.20	Transcrição e tradução para produção.	Equilíbrio entre qualidade, velocidade e custo
Oracle Pro	1.40	Nível Oracle de maior qualidade.	Áudio de produção exigente
Oracle Max	3.00	Nível Oracle de qualidade máxima.	Áudio difícil e de alta importância
CoreLegado	1.00	Modelo legado rápido de uso geral.	Integrações existentes com o Core
EdgeLegado	1.20	Modelo de alta precisão da geração anterior.	Integrações existentes com o Edge

Obter uma chave de API

Crie uma conta e gere uma chave na página de chaves de API.

Obter uma chave de API Ver a documentação