API для распознавания речи

Отправьте аудио, опросите задание и получите сегменты с таймингом каждого слова и метками говорящих в JSON, TXT или SRT. Язык определяется автоматически или задаётся в запросе; модели Oracle также переводят.

Получить ключ API Открыть документацию

Быстрый старт

Запустите задачу, затем прочитайте её. Все параметры описаны в документации 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"}]
      }
    ]
  }
}

Что возвращает API

  • Время начала и конца каждого слова в JSON и SRT.
  • Метки говорящих из диаризации или по одной метке на каждый физический аудиоканал.
  • Перевод на другой язык в моделях Oracle.
  • JSON, обычный текст или SRT — выбирается в каждом запросе.
  • Вебхук по завершении задачи или самостоятельный опрос задачи.
  • Язык определяется автоматически или задаётся в каждом запросе.

Тестовые наборы

Точность на Google FLEURS и Mozilla CommonVoice. Чем выше, тем лучше.

Точность Google FLEURS (%)

Цены

Кредиты за час аудио, списываются по каждой задаче.

1 кредит US$1.20

Модель Кредитов/час
Base 0.40
Oracle Mini 0.80
Oracle 1.20
Oracle Pro 1.40
Oracle Max 3.00
CoreПредыдущее поколение 1.00
EdgeПредыдущее поколение 1.20

Стандартное разделение спикеров по каналам включено в стоимость. Разделение перекрывающейся речи оплачивается по тарифу выбранной модели за большее из двух значений: длительность записи или суммарное время обнаруженной речи по её физическим каналам. Ни один режим не предусматривает доплату за диаризацию.

Сравнение моделей

Краткий обзор вариантов моделей.

Модель Кредитов/час Сводка Лучше всего подходит для
Base 0.40 Недорогая расшифровка с временными метками слов. Чистое аудио и большие объемы
Oracle Mini 0.80 Быстрый и экономичный уровень Oracle. Черновики и задачи с высокой пропускной способностью
OracleФлагман 1.20 Промышленная расшифровка и перевод. Баланс качества, скорости и стоимости
Oracle Pro 1.40 Уровень Oracle с повышенным качеством. Сложные аудиозаписи для профессионального использования
Oracle Max 3.00 Уровень Oracle с максимальным качеством. Сложное аудио для ответственных задач
CoreПредыдущее поколение 1.00 Быстрая универсальная модель предыдущего поколения. Существующие интеграции Core
EdgeПредыдущее поколение 1.20 Высокоточная модель предыдущего поколения. Существующие интеграции Edge

Получить ключ API

Создайте учётную запись и сгенерируйте ключ на странице ключей API.

Получить ключ API Открыть документацию