API رایگان تبدیل گفتار به متن
API تبدیل گفتار به متن، صدا را به متن تبدیل میکند. Groq، Cloudflare، OVH، Mistral، Cohere و دیگر ارائهدهندگان، تبدیل رایگان با محدودیت ارائه میدهند. FreeLLMAPI، 13 مدل رایگان تبدیل به متن را پشت یک نقطه پایانی سازگار با OpenAI قرار میدهد: /v1/audio/transcriptions. وقتی یک ارائهدهنده درخواستی را متوقف کند، روتر ارائهدهنده بعدی را امتحان میکند.
کد، نام مدلها و برچسبهای زندهٔ کاتالوگ به زبان انگلیسی نمایش داده میشوند.
مدلهای رایگان تبدیل به متن امروز
جدول مدلهای رایگان تبدیل به متن در کاتالوگ FreeLLMAPI را فهرست میکند. دادهها از کاتالوگ زنده میآیند. «حداکثر حجم بارگذاری» بزرگترین فایلی است که ارائهدهنده در سطح رایگان میپذیرد، وقتی کاتالوگ آن را بداند.
| مدل | ارائهدهنده | حداکثر حجم بارگذاری | محدودیت رایگان |
|---|---|---|---|
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) |
دادههای زنده از کاتالوگ FreeLLMAPI (نسخه 2026.11.19، بررسیشده در 2026-11-19). محدودیتهای رایگان اغلب تغییر میکنند. کاتالوگ هر روز بررسی میشود.
بیشتر موارد مدلهای Whisper از OpenAI هستند که ارائهدهندگان مختلف میزبانی میکنند. جدول همچنین Deepgram Nova-3 روی Cloudflare، Voxtral از Mistral، Cohere Transcribe و Typhoon ASR برای تایلندی را دارد. برای مقایسه فقط مدلهای Whisper، Free Whisper API را بخوانید.
برای انتخاب مدل، این قاعده را استفاده کنید:
- تبدیل عمومی به چند زبان: Whisper Large v3 یا Whisper Large v3 Turbo. Turbo سریعتر است. Large v3 نرخ خطای کلمه پایینتری روی Groq دارد.
- زیرنویس: یک مدل Whisper از Cloudflare، چون خروجی VTT میدهد.
- عربی: Cohere Transcribe Arabic. تایلندی: Typhoon ASR.
- جایگزین: OVH Whisper. به کلید نیاز ندارد، اما فقط 2 درخواست در دقیقه مجاز میکند.
گام 1: FreeLLMAPI را نصب کنید و کلیدها را اضافه کنید
FreeLLMAPI متنباز است. روی رایانه شما در Docker اجرا میشود. کلیدهای ارائهدهندگان شما روی رایانه شما میمانند.
نصب (macOS یا Linux)
curl -fsSL https://freellmapi.co/install.sh | bashداشبورد را در http://localhost:3001 باز کنید. یک کلید Groq و یک کلید Cloudflare را در صفحه Keys اضافه کنید. هر دو ارائهدهنده کلید رایگان میدهند و هر دو Whisper ارائه میکنند. کلید یکپارچه خود را از همان صفحه کپی کنید.
account_id:token است. توکنی که شناسه حساب ندارد کار نمیکند.گام 2: یک فایل صوتی بفرستید
نقطه پایانی یک بارگذاری multipart/form-data میگیرد، مانند API OpenAI. دو فیلد الزامی است: file و model. از model=auto یا model=whisper-1 استفاده کنید تا روتر ارائهدهنده را انتخاب کند.
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 (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)پاسخ یک هدر X-Provider و یک هدر X-Model دارد. این هدرها نشان میدهند کدام ارائهدهنده و کدام مدل متن را ساخته است.
گزینهها و قالبهای خروجی
| فیلد | مقادیر | یادداشتها |
|---|---|---|
file | یک فایل صوتی | الزامی. حداکثر 25 MB برای هر بارگذاری از طریق FreeLLMAPI |
model | auto، whisper-1 یا یک شناسه مدل | الزامی. یک شناسه مدل، یک ردیف ارائهدهنده را ثابت میکند |
response_format | json, text, verbose_json, vtt | پیشفرض json است. srt خطای 400 برمیگرداند |
language | کد زبان، برای مثال en | اختیاری. وقتی زبان را میدانید، آن را تنظیم کنید |
prompt | متن | اختیاری. نامها و اصطلاحات خاص را بدهید |
temperature | 0 تا 1 | اختیاری. برای خروجی پایدار، 0 را نگه دارید |
- verbose_json وقتی ارائهدهنده بخشها را برگرداند، بخشها را با زمانها میدهد. اگر ارائهدهنده بخش نداشته باشد، شکل ساده JSON را میگیرید.
- زیرنویس vtt فقط از ارائهدهندگانی میآید که آن را به طور بومی میسازند. در کاتالوگ، اینها مدلهای Whisper از Cloudflare هستند.
- srt رد میشود. هیچ ارائهدهنده پیکربندیشدهای SRT را به طور بومی نمیسازد و درگاه آن را تبدیل نمیکند.
محدودیتهای رایگان و نحوه ماندن در آنها
محدودیتهای رایگان تبدیل به متن واحدهای متفاوتی دارند. برخی ارائهدهندگان درخواست را میشمارند. برخی دیگر مدت صوت یا بودجه محاسباتی روزانه را میشمارند.
| ارائهدهنده | محدودیت رایگان (رسمی) | معنی آن برای شما |
|---|---|---|
| Groq | 25 MB برای هر فایل در سطح رایگان. درخواستهای کمتر از 10 ثانیه، 10 ثانیه حساب میشوند | سریع. انتخاب خوب اول برای فایلهای کوتاه و متوسط |
| Cloudflare Workers AI | 10,000 neuron در هر روز. Whisper Large v3 Turbo برای هر دقیقه صوت 46.63 neuron مصرف میکند | حدود 214 دقیقه صوت در هر روز، اگر هیچ مدل دیگر Workers AI از بودجه استفاده نکند |
| OVH AI Endpoints | 2 درخواست در دقیقه برای هر آدرس IP و مدل، بدون کلید | جایگزین کند. برای دستهها استفاده نکنید |
| Cohere | کلید آزمایشی: 1,000 تماس API در ماه برای همه نقاط پایانی | تماسها با گفتگو و embedding مشترک هستند |
- کلیدهای دو ارائهدهنده یا بیشتر را اضافه کنید. وقتی Groq خطای 429 بفرستد، روتر فایل را به ارائهدهنده بعدی میفرستد.
- فایلهای بزرگ را پیش از بارگذاری تبدیل کنید. Groq میگوید مدلهای آن صوت را به 16 kHz تککاناله کاهش نمونه میدهند. این کار را خودتان انجام دهید تا فایل کوچکتر شود.
- صوتی را که طولانیتر از حدود 25 MB است به بخشها تقسیم کنید. هر بخش را تبدیل کنید، سپس متنها را به هم وصل کنید.
کوچک کردن فایل با ffmpeg (FLAC تککاناله 16 kHz)
ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a flac interview.flacعیبیابی
| مشکل | علت | راهحل |
|---|---|---|
خطای 413 file_too_large | فایل بزرگتر از 25 MB است | به 16 kHz تککاناله تبدیل کنید، یا فایل را تقسیم کنید |
خطای 400 model is required | فرم فیلد model ندارد | -F model=auto را اضافه کنید |
خطای 400 unsupported_format | شما srt را درخواست کردهاید | از vtt، json، text یا verbose_json استفاده کنید |
خطای 503 no_transcription_models | هیچ مدل تبدیل به متنی فعال نیست | یک کلید Groq یا Cloudflare اضافه کنید، سپس همگامسازی کاتالوگ را صبر کنید |
| کلمات اشتباه برای نامها | مدل اصطلاحات را نمیشناسد | نامها را در فیلد prompt بفرستید |
خروجی vtt خالی است | ارائهدهنده VTT نمیسازد | یک شناسه مدل Whisper از Cloudflare را ثابت کنید |
پرسشهای متداول
آیا یک API رایگان تبدیل گفتار به متن وجود دارد؟
بله. Groq، Cloudflare Workers AI، OVH، Mistral و Cohere تبدیل رایگان با محدودیت ارائه میدهند. FreeLLMAPI، 13 مدل رایگان را پشت یک نقطه پایانی سازگار با OpenAI قرار میدهد.
حداکثر حجم فایل صوتی چقدر است؟
FreeLLMAPI بارگذاریهای تا 25 MB را میپذیرد. Groq هم در سطح رایگان خود 25 MB مجاز میکند. برای صوت طولانیتر، آن را به 16 kHz تککاناله تبدیل کنید یا به بخشها تقسیم کنید.
آیا میتوانم از یک API رایگان تبدیل گفتار به متن زیرنویس بگیرم؟
بله. مقدار response_format را روی vtt تنظیم کنید. فقط مدلهای Whisper از Cloudflare به طور بومی VTT میسازند. SRT در دسترس نیست.
آیا API رایگان تبدیل گفتار به متن با OpenAI Python SDK کار میکند؟
بله. base_url را روی http://localhost:3001/v1 تنظیم کنید و client.audio.transcriptions.create را با یک فایل و model="auto" صدا بزنید.
راهنماهای مرتبط
- API رایگان Whisper
- API تبدیل متن به گفتار رایگان
- free groq api
- free cloudflare api
- API رایگان OVH AI Endpoints
منابع
- FreeLLMAPI README: supported endpoints (بررسیشده در 20 November 2026)
- Groq docs: Speech to text (بررسیشده در 20 November 2026)
- Cloudflare Workers AI pricing (بررسیشده در 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (بررسیشده در 20 November 2026)
- OVHcloud AI Endpoints capabilities (بررسیشده در 20 November 2026)
- Cohere docs: rate limits (بررسیشده در 20 November 2026)