API gratuita de voz a texto
Una API de voz a texto convierte audio en texto. Groq, Cloudflare, OVH, Mistral, Cohere y otros proveedores ofrecen transcripción gratuita con límites. FreeLLMAPI pone 13 modelos de transcripción gratuitos detrás de un único endpoint compatible con OpenAI, /v1/audio/transcriptions. Cuando un proveedor detiene una solicitud, el enrutador prueba el siguiente.
El código, los nombres de los modelos y las etiquetas del catálogo en vivo se muestran en inglés.
Modelos de transcripción gratuitos hoy
La tabla enumera los modelos de transcripción gratuitos del catálogo de FreeLLMAPI. Los datos proceden del catálogo en vivo. "Max upload" es el archivo más grande que el proveedor acepta en el nivel gratuito, cuando el catálogo lo conoce.
| Modelo | Proveedor | Subida máx. | Límite gratuito |
|---|---|---|---|
Whisper Large v3 Turbo (Groq)whisper-large-v3-turbo | Groq | 25 MB | free tier - 25 MB uploads |
Whisper Large v3 (Groq)whisper-large-v3 | Groq | 25 MB | free 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 | Cohere | 25 MB | free evaluation key - 1,000 calls/month shared |
Cohere Transcribe (03-2026)cohere-transcribe-03-2026 | Cohere | 25 MB | Free evaluation key — 1,000 calls/month shared; language defaults to English |
Voxtral Mini Transcribe 2 (Mistral)voxtral-mini-2602 | Mistral | 25 MB | Renewing 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 Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Whisper Large v3 Turbo (OVH)whisper-large-v3-turbo | OVH AI Endpoints | 25 MB | free · anonymous 2 req/min per IP |
Typhoon ASR Realtimetyphoon-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
Typhoon Isan ASR Realtimetyphoon-isan-asr-realtime | Typhoon | - | Ongoing free research API (shared rate limits) |
Datos en vivo del catálogo de FreeLLMAPI (versión 2026.11.19, revisado 2026-11-19). Los límites gratuitos cambian con frecuencia. El catálogo se revisa todos los días.
La mayoría de las entradas son modelos Whisper de OpenAI, alojados por distintos proveedores. La tabla también incluye Deepgram Nova-3 en Cloudflare, Voxtral de Mistral, Cohere Transcribe y Typhoon ASR para tailandés. Para una comparación solo de los modelos Whisper, lea API gratuita de Whisper.
Use esta regla para elegir un modelo:
- Transcripción general en muchos idiomas: Whisper Large v3 o Whisper Large v3 Turbo. Turbo es más rápido. Large v3 tiene una tasa de error por palabra más baja en Groq.
- Subtítulos: un modelo Whisper de Cloudflare, porque devuelve VTT.
- Árabe: Cohere Transcribe Arabic. Tailandés: Typhoon ASR.
- Respaldo: OVH Whisper. No necesita clave, pero solo permite 2 solicitudes por minuto.
Paso 1: Instalar FreeLLMAPI y añadir claves
FreeLLMAPI es de código abierto. Se ejecuta en su equipo, en Docker. Sus claves de proveedor permanecen en su equipo.
Instalar (macOS o Linux)
curl -fsSL https://freellmapi.co/install.sh | bashAbra el panel en http://localhost:3001. Añada una clave de Groq y una clave de Cloudflare en la página Keys. Ambos proveedores dan claves gratuitas, y ambos sirven Whisper. Copie su clave unificada desde la misma página.
account_id:token. Un token sin el ID de la cuenta no funciona.Paso 2: Enviar un archivo de audio
El endpoint acepta una subida multipart/form-data, igual que la API de OpenAI. Hay dos campos obligatorios: file y model. Use model=auto o model=whisper-1 para que el enrutador seleccione un proveedor.
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=jsonPython (SDK de OpenAI)
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)La respuesta tiene una cabecera X-Provider y una cabecera X-Model. Estas cabeceras indican qué proveedor y qué modelo generaron la transcripción.
Opciones y formatos de salida
| Campo | Valores | Notas |
|---|---|---|
file | Un archivo de audio | Obligatorio. Máximo 25 MB por cada subida mediante FreeLLMAPI |
model | auto, whisper-1 o un ID de modelo | Obligatorio. Un ID de modelo fija una fila de proveedor |
response_format | json, text, verbose_json, vtt | El valor predeterminado es json. srt devuelve el error 400 |
language | Código de idioma, por ejemplo en | Opcional. Defínalo cuando conozca el idioma |
prompt | Texto | Opcional. Indique nombres y términos especiales |
temperature | 0 a 1 | Opcional. Use 0 para una salida estable |
- verbose_json da segmentos con tiempos cuando el proveedor devuelve segmentos. Si el proveedor no tiene segmentos, obtiene la forma JSON sencilla.
- Los subtítulos vtt solo llegan de los proveedores que los generan de forma nativa. En el catálogo, son los modelos Whisper de Cloudflare.
- srt se rechaza. Ningún proveedor configurado genera SRT de forma nativa, y la pasarela no lo convierte.
Límites gratuitos y cómo mantenerse dentro de ellos
Los límites de transcripción gratuita usan unidades distintas. Algunos proveedores cuentan solicitudes. Otros cuentan tiempo de audio o un presupuesto diario de cómputo.
| Proveedor | Límite gratuito (oficial) | Qué significa para usted |
|---|---|---|
| Groq | 25 MB por archivo en el nivel gratuito. Las solicitudes de menos de 10 segundos se facturan como 10 segundos | Rápido. Buena primera opción para archivos cortos y medianos |
| Cloudflare Workers AI | 10 000 neuronas al día. Whisper Large v3 Turbo usa 46,63 neuronas por minuto de audio | Unos 214 minutos de audio al día, si ningún otro modelo de Workers AI usa el presupuesto |
| OVH AI Endpoints | 2 solicitudes por minuto por dirección IP y modelo, sin clave | Respaldo lento. No lo use para lotes |
| Cohere | Clave de prueba: 1000 llamadas a la API al mes para todos los endpoints | Las llamadas se comparten con el chat y los embeddings |
- Añada claves de dos o más proveedores. Cuando Groq envía un error 429, el enrutador envía el archivo al siguiente proveedor.
- Convierta los archivos grandes antes de subirlos. Groq indica que sus modelos reducen el audio a 16 kHz mono. Hágalo usted mismo para que el archivo sea más pequeño.
- Divida el audio de más de unos 25 MB en partes. Transcriba cada parte y después una los textos.
Reducir un archivo con ffmpeg (FLAC mono de 16 kHz)
ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a flac interview.flacSolución de problemas
| Problema | Causa | Solución |
|---|---|---|
Error 413 file_too_large | El archivo es mayor de 25 MB | Convierta a 16 kHz mono, o divida el archivo |
Error 400 model is required | El formulario no tiene el campo model | Añada -F model=auto |
Error 400 unsupported_format | Pidió srt | Use vtt, json, text o verbose_json |
Error 503 no_transcription_models | No hay ningún modelo de transcripción habilitado | Añada una clave de Groq o de Cloudflare, y después espere a la sincronización del catálogo |
| Palabras incorrectas en los nombres | El modelo no conoce los términos | Envíe los nombres en el campo prompt |
Salida vtt vacía | El proveedor no genera VTT | Fije un ID de modelo Whisper de Cloudflare |
Preguntas frecuentes
¿Hay una API gratuita de voz a texto?
Sí. Groq, Cloudflare Workers AI, OVH, Mistral y Cohere ofrecen transcripción gratuita con límites. FreeLLMAPI pone 13 modelos gratuitos detrás de un único endpoint compatible con OpenAI.
¿Cuál es el tamaño máximo de un archivo de audio?
FreeLLMAPI acepta subidas de hasta 25 MB. Groq también permite 25 MB en su nivel gratuito. Para audios más largos, conviértalos a 16 kHz mono o divídalos en partes.
¿Puedo obtener subtítulos con una API gratuita de voz a texto?
Sí. Defina response_format como vtt. Solo los modelos Whisper de Cloudflare generan VTT de forma nativa. SRT no está disponible.
¿Funciona la API gratuita de voz a texto con el SDK de OpenAI para Python?
Sí. Defina base_url como http://localhost:3001/v1 y llame a client.audio.transcriptions.create con un file y model="auto".
Guías relacionadas
- API Whisper gratuita
- API gratuita de texto a voz
- free groq api
- free cloudflare api
- API gratuita de OVH AI Endpoints
Fuentes
- FreeLLMAPI README: supported endpoints (revisado 20 November 2026)
- Groq docs: Speech to text (revisado 20 November 2026)
- Cloudflare Workers AI pricing (revisado 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (revisado 20 November 2026)
- OVHcloud AI Endpoints capabilities (revisado 20 November 2026)
- Cohere docs: rate limits (revisado 20 November 2026)