Startseite / Anleitungen / Kostenlose Speech-to-Text-API

Kostenlose Speech-to-Text-API

Eine Speech-to-Text-API wandelt Audio in Text um. Groq, Cloudflare, OVH, Mistral, Cohere und andere Anbieter bieten kostenlose Transkription mit Limits. FreeLLMAPI stellt 13 kostenlose Transkriptionsmodelle hinter einem OpenAI-kompatiblen Endpunkt bereit, /v1/audio/transcriptions. Wenn ein Anbieter eine Anfrage stoppt, versucht der Router den nächsten.

Code, Modellnamen und Bezeichnungen aus dem Live-Katalog werden auf Englisch angezeigt.

Kostenlose Transkriptionsmodelle heute

Die Tabelle listet die kostenlosen Transkriptionsmodelle im FreeLLMAPI-Katalog auf. Die Daten stammen aus dem Live-Katalog. „Max. Upload“ ist die größte Datei, die der Anbieter im kostenlosen Angebot akzeptiert, sofern der Katalog den Wert kennt.

ModellAnbieterMax. UploadKostenloses Limit
Whisper Large v3 Turbo (Groq)
whisper-large-v3-turbo
Groq25 MBfree tier - 25 MB uploads
Whisper Large v3 (Groq)
whisper-large-v3
Groq25 MBfree tier - 25 MB uploads
Whisper Large v3 Turbo (Cloudflare Workers AI)
@cf/openai/whisper-large-v3-turbo
Cloudflare Workers AI-Workers AI free allocation
Whisper (Cloudflare Workers AI)
@cf/openai/whisper
Cloudflare Workers AI-Workers AI free allocation
Deepgram Nova-3 (Cloudflare Workers AI)
@cf/deepgram/nova-3
Cloudflare Workers AI-Workers AI free allocation
Whisper Tiny English (Cloudflare Workers AI)
@cf/openai/whisper-tiny-en
Cloudflare Workers AI-Workers AI free allocation
Cohere Transcribe Arabic (07-2026)
cohere-transcribe-arabic-07-2026
Cohere25 MBfree evaluation key - 1,000 calls/month shared
Cohere Transcribe (03-2026)
cohere-transcribe-03-2026
Cohere25 MBFree evaluation key — 1,000 calls/month shared; language defaults to English
Voxtral Mini Transcribe 2 (Mistral)
voxtral-mini-2602
Mistral25 MBRenewing Mistral Free-mode monthly usage shared with Studio/API/Vibe; account-specific allowance. Paid overage may apply if enabled.
Whisper Large v3 (OVH)
whisper-large-v3
OVH AI Endpoints25 MBfree · anonymous 2 req/min per IP
Whisper Large v3 Turbo (OVH)
whisper-large-v3-turbo
OVH AI Endpoints25 MBfree · anonymous 2 req/min per IP
Typhoon ASR Realtime
typhoon-asr-realtime
Typhoon-Ongoing free research API (shared rate limits)
Typhoon Isan ASR Realtime
typhoon-isan-asr-realtime
Typhoon-Ongoing free research API (shared rate limits)

Live-Daten aus dem FreeLLMAPI-Katalog (Version 2026.11.19, geprüft 2026-11-19). Kostenlose Limits ändern sich oft. Der Katalog wird jeden Tag geprüft.

Die meisten Einträge sind Whisper-Modelle von OpenAI, die von verschiedenen Anbietern gehostet werden. Die Tabelle enthält außerdem Deepgram Nova-3 auf Cloudflare, Voxtral von Mistral, Cohere Transcribe und Typhoon ASR für Thai. Einen Vergleich nur der Whisper-Modelle finden Sie unter Kostenlose Whisper-API.

Verwenden Sie diese Regel, um ein Modell auszuwählen:

  • Allgemeine Transkription in vielen Sprachen: Whisper Large v3 oder Whisper Large v3 Turbo. Turbo ist schneller. Large v3 hat auf Groq eine niedrigere Wortfehlerrate.
  • Untertitel: ein Cloudflare-Whisper-Modell, weil es VTT zurückgibt.
  • Arabisch: Cohere Transcribe Arabic. Thai: Typhoon ASR.
  • Fallback: OVH Whisper. Es benötigt keinen Schlüssel, erlaubt aber nur 2 Anfragen pro Minute.

Schritt 1: FreeLLMAPI installieren und Schlüssel hinzufügen

FreeLLMAPI ist Open Source. Es läuft auf Ihrem Computer in Docker. Ihre Anbieterschlüssel bleiben auf Ihrem Computer.

Installation (macOS oder Linux)

curl -fsSL https://freellmapi.co/install.sh | bash

Öffnen Sie das Dashboard unter http://localhost:3001. Fügen Sie auf der Seite Keys einen Groq-Schlüssel und einen Cloudflare-Schlüssel hinzu. Beide Anbieter stellen kostenlose Schlüssel bereit, und beide bieten Whisper an. Kopieren Sie Ihren einheitlichen Schlüssel von derselben Seite.

Format des Cloudflare-Schlüssels: Ein Cloudflare-Workers-AI-Schlüssel hat die Form account_id:token. Ein Token ohne Konto-ID funktioniert nicht.

Schritt 2: Eine Audiodatei senden

Der Endpunkt nimmt einen Upload mit multipart/form-data entgegen, wie die OpenAI-API. Zwei Felder sind erforderlich: file und model. Verwenden Sie model=auto oder model=whisper-1, damit der Router einen Anbieter auswählt.

curl

curl http://localhost:3001/v1/audio/transcriptions \
  -H "Authorization: Bearer <unified-key>" \
  -F [email protected] \
  -F model=auto \
  -F language=en \
  -F response_format=json

Python (OpenAI SDK)

from openai import OpenAI

client = OpenAI(base_url="http://localhost:3001/v1", api_key="<unified-key>")

with open("meeting.mp3", "rb") as audio:
    result = client.audio.transcriptions.create(
        model="auto",               # or a model id, e.g. "whisper-large-v3-turbo"
        file=audio,
        language="en",              # optional ISO-639-1 code; improves accuracy
        prompt="FreeLLMAPI, Groq",  # optional: names and terms in the audio
    )
print(result.text)

Die Antwort enthält einen Header X-Provider und einen Header X-Model. Diese Header zeigen, welcher Anbieter und welches Modell das Transkript erstellt haben.

Optionen und Ausgabeformate

FeldWerteHinweise
fileEine AudiodateiPflichtfeld. Maximal 25 MB pro Upload über FreeLLMAPI
modelauto, whisper-1 oder eine Modell-IDPflichtfeld. Eine Modell-ID legt eine Anbieterzeile fest
response_formatjson, text, verbose_json, vttStandard ist json. srt gibt Fehler 400 zurück
languageSprachcode, zum Beispiel enOptional. Setzen Sie ihn, wenn Sie die Sprache kennen
promptTextOptional. Nennen Sie Namen und Fachbegriffe
temperature0 bis 1Optional. Behalten Sie 0 für eine stabile Ausgabe
  • verbose_json liefert Segmente mit Zeitangaben, wenn der Anbieter Segmente zurückgibt. Liefert der Anbieter keine Segmente, erhalten Sie das einfache JSON-Format.
  • vtt-Untertitel kommen nur von Anbietern, die sie nativ erzeugen. Im Katalog sind das die Cloudflare-Whisper-Modelle.
  • srt wird abgelehnt. Kein konfigurierter Anbieter erzeugt SRT nativ, und das Gateway wandelt es nicht um.

Kostenlose Limits und wie Sie innerhalb davon bleiben

Die kostenlosen Transkriptionslimits verwenden unterschiedliche Einheiten. Manche Anbieter zählen Anfragen. Andere zählen Audiozeit oder ein tägliches Rechenbudget.

Limits aus der Dokumentation der Anbieter, geprüft 2026-11-19
AnbieterKostenloses Limit (offiziell)Was das für Sie bedeutet
Groq25 MB pro Datei im kostenlosen Angebot. Anfragen unter 10 Sekunden werden als 10 Sekunden abgerechnetSchnell. Gute erste Wahl für kurze und mittlere Dateien
Cloudflare Workers AI10.000 Neuronen pro Tag. Whisper Large v3 Turbo verbraucht 46,63 Neuronen pro AudiominuteEtwa 214 Audiominuten pro Tag, wenn kein anderes Workers-AI-Modell das Budget nutzt
OVH AI Endpoints2 Anfragen pro Minute für jede IP-Adresse und jedes Modell, ohne SchlüsselLangsamer Fallback. Verwenden Sie ihn nicht für Batches
CohereTestschlüssel: 1.000 API-Aufrufe pro Monat für alle EndpunkteAufrufe werden mit Chat und Embeddings geteilt
  • Fügen Sie Schlüssel von zwei oder mehr Anbietern hinzu. Sendet Groq den Fehler 429, sendet der Router die Datei an den nächsten Anbieter.
  • Konvertieren Sie große Dateien vor dem Upload. Groq sagt, dass seine Modelle Audio auf 16 kHz Mono herunterrechnen. Machen Sie dies selbst, um die Datei zu verkleinern.
  • Teilen Sie Audio, das länger als etwa 25 MB ist, in Teile auf. Transkribieren Sie jeden Teil und fügen Sie dann den Text zusammen.

Datei mit ffmpeg verkleinern (16 kHz Mono, FLAC)

ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a flac interview.flac

Fehlerbehebung

ProblemUrsacheLösung
Fehler 413 file_too_largeDie Datei ist größer als 25 MBKonvertieren Sie in 16 kHz Mono oder teilen Sie die Datei auf
Fehler 400 model is requiredDas Formular hat kein Feld modelFügen Sie -F model=auto hinzu
Fehler 400 unsupported_formatSie haben srt angefordertVerwenden Sie vtt, json, text oder verbose_json
Fehler 503 no_transcription_modelsKein Transkriptionsmodell ist aktiviertFügen Sie einen Groq- oder Cloudflare-Schlüssel hinzu und warten Sie auf die Synchronisierung des Katalogs
Falsche Wörter bei NamenDas Modell kennt die Begriffe nichtSenden Sie die Namen im Feld prompt
Leere Ausgabe bei vttDer Anbieter erzeugt kein VTTLegen Sie eine Cloudflare-Whisper-Modell-ID fest
Nutzen Sie alle diese Modelle über einen einzigen Schlüssel. FreeLLMAPI ist ein Open-Source-Router, den Sie selbst hosten. Er stellt alle diese kostenlosen Angebote hinter einem einzigen OpenAI-kompatiblen Endpunkt bereit und wechselt zum nächsten Anbieter, wenn ein Anbieter das Limit erreicht. Katalog ansehen oder Jetzt starten.

Häufig gestellte Fragen

Gibt es eine kostenlose Speech-to-Text-API?

Ja. Groq, Cloudflare Workers AI, OVH, Mistral und Cohere bieten kostenlose Transkription mit Limits. FreeLLMAPI stellt 13 kostenlose Modelle hinter einem OpenAI-kompatiblen Endpunkt bereit.

Wie groß darf eine Audiodatei höchstens sein?

FreeLLMAPI akzeptiert Uploads bis 25 MB. Groq erlaubt im kostenlosen Angebot ebenfalls 25 MB. Konvertieren Sie längeres Audio in 16 kHz Mono oder teilen Sie es in Teile auf.

Kann ich mit einer kostenlosen Speech-to-Text-API Untertitel erhalten?

Ja. Setzen Sie response_format auf vtt. Nur die Cloudflare-Whisper-Modelle erzeugen VTT nativ. SRT ist nicht verfügbar.

Funktioniert die kostenlose Speech-to-Text-API mit dem OpenAI-Python-SDK?

Ja. Setzen Sie base_url auf http://localhost:3001/v1 und rufen Sie client.audio.transcriptions.create mit einer Datei und model="auto" auf.

Verwandte Anleitungen

Quellen

Alle Anleitungen · Alle kostenlosen Modelle ansehen