خانه / راهنماها / API رایگان تبدیل گفتار به متن

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.

مدلارائه‌دهندهحداکثر حجم بارگذاریمحدودیت رایگان
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)

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 | bash

داشبورد 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.

قالب کلید Cloudflare: کلید Cloudflare Workers AI به شکل 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=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)

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

فیلدمقادیریادداشت‌ها
fileیک فایل صوتیالزامی. حداکثر 25 MB برای هر بارگذاری از طریق FreeLLMAPI
modelauto، whisper-1 یا یک شناسه مدلالزامی. یک شناسه مدل، یک ردیف ارائه‌دهنده را ثابت می‌کند
response_formatjson, text, verbose_json, vttپیش‌فرض json است. srt خطای 400 برمی‌گرداند
languageکد زبان، برای مثال enاختیاری. وقتی زبان را می‌دانید، آن را تنظیم کنید
promptمتناختیاری. نام‌ها و اصطلاحات خاص را بدهید
temperature0 تا 1اختیاری. 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.

محدودیت‌ها از مستندات ارائه‌دهندگان، بررسی‌شده در 2026-11-19
ارائه‌دهندهمحدودیت رایگان (رسمی)معنی آن برای شما
Groq25 MB برای هر فایل در سطح رایگان. درخواست‌های کمتر از 10 ثانیه، 10 ثانیه حساب می‌شوندسریع. انتخاب خوب اول برای فایل‌های کوتاه و متوسط
Cloudflare Workers AI10,000 neuron در هر روز. Whisper Large v3 Turbo برای هر دقیقه صوت 46.63 neuron مصرف می‌کندحدود 214 دقیقه صوت در هر روز، اگر هیچ مدل دیگر Workers AI از بودجه استفاده نکند
OVH AI Endpoints2 درخواست در دقیقه برای هر آدرس IP و مدل، بدون کلیدجایگزین کند. برای دسته‌ها استفاده نکنید
Cohereکلید آزمایشی: 1,000 تماس API در ماه برای همه نقاط پایانیتماس‌ها 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.flac

عیب‌یابی

مشکلعلتراه‌حل
خطای 413 file_too_largeفایل بزرگ‌تر از 25 MB استبه 16 kHz تک‌کاناله تبدیل کنید، یا فایل را تقسیم کنید
خطای 400 model is requiredفرم فیلد model ندارد-F model=auto را اضافه کنید
خطای 400 unsupported_formatشما srt را درخواست کرده‌ایداز vtt، json، text یا verbose_json استفاده کنید
خطای 503 no_transcription_modelsهیچ مدل تبدیل به متنی فعال نیستیک کلید Groq یا Cloudflare اضافه کنید، سپس همگام‌سازی کاتالوگ را صبر کنید
کلمات اشتباه برای نام‌هامدل اصطلاحات را نمی‌شناسدنام‌ها را در فیلد prompt بفرستید
خروجی vtt خالی استارائه‌دهنده VTT نمی‌سازدیک شناسه مدل Whisper از Cloudflare را ثابت کنید
هر یک از این‌ها را با یک کلید استفاده کنید. FreeLLMAPI یک روتر متن‌باز و میزبانی‌شده روی سرور خودتان است. این روتر همه این سطوح رایگان را پشت یک نقطه پایانی سازگار با OpenAI قرار می‌دهد و وقتی یک سرویس به محدودیت نرخ برسد، به سرویس بعدی منتقل می‌شود. مرور کاتالوگ یا اجرای زنده.

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

منابع

همه راهنماها · مرور همه مدل‌های رایگان