होम / गाइड / मुफ़्त speech to text API

मुफ़्त speech to text API

Speech to text API ऑडियो को टेक्स्ट में बदलता है। Groq, Cloudflare, OVH, Mistral, Cohere और अन्य providers सीमाओं के साथ मुफ़्त ट्रांसक्रिप्शन देते हैं। FreeLLMAPI 13 मुफ़्त ट्रांसक्रिप्शन मॉडलों को एक OpenAI-संगत endpoint, /v1/audio/transcriptions, के पीछे रखता है। जब एक provider अनुरोध रोकता है, तो राउटर अगले provider को आज़माता है।

कोड, मॉडल नाम और लाइव कैटलॉग लेबल अंग्रेज़ी में दिखाए गए हैं।

आज के मुफ़्त ट्रांसक्रिप्शन मॉडल

तालिका में FreeLLMAPI catalog के मुफ़्त ट्रांसक्रिप्शन मॉडल हैं। डेटा लाइव catalog से आता है। “अधिकतम अपलोड” वह सबसे बड़ी फ़ाइल है जिसे provider मुफ़्त टियर पर स्वीकार करता है, जब catalog उसे जानता है।

मॉडलप्रदाताअधिकतम अपलोडमुफ़्त सीमा
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)

FreeLLMAPI कैटलॉग से लाइव डेटा (संस्करण 2026.11.19, जाँच 2026-11-19)। मुफ़्त सीमाएँ अक्सर बदलती हैं। कैटलॉग की हर दिन जाँच होती है।

अधिकांश प्रविष्टियाँ OpenAI के Whisper मॉडल हैं, जो अलग-अलग providers होस्ट करते हैं। तालिका में Cloudflare पर Deepgram Nova-3, Mistral का Voxtral, Cohere Transcribe, और थाई के लिए Typhoon ASR भी हैं। केवल Whisper मॉडलों की तुलना के लिए मुफ़्त Whisper API पढ़ें।

मॉडल चुनने के लिए यह नियम इस्तेमाल करें:

  • कई भाषाओं में सामान्य ट्रांसक्रिप्शन: Whisper Large v3 या Whisper Large v3 Turbo। Turbo तेज़ है। Groq पर Large v3 का word error rate कम है।
  • उपशीर्षक (subtitles): Cloudflare का कोई Whisper मॉडल, क्योंकि यह VTT लौटाता है।
  • अरबी: Cohere Transcribe Arabic। थाई: Typhoon ASR।
  • फ़ेलओवर: OVH Whisper। इसे key की ज़रूरत नहीं है, लेकिन यह प्रति मिनट केवल 2 अनुरोध देता है।

चरण 1: FreeLLMAPI इंस्टॉल करें और keys जोड़ें

FreeLLMAPI open source है। यह Docker में आपके कंप्यूटर पर चलता है। आपकी provider keys आपके कंप्यूटर पर ही रहती हैं।

इंस्टॉल करें (macOS या Linux)

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

http://localhost:3001 पर dashboard खोलें। Keys पेज पर एक Groq key और एक Cloudflare key जोड़ें। दोनों providers मुफ़्त keys देते हैं, और दोनों Whisper चलाते हैं। उसी पेज से अपनी एकीकृत key कॉपी करें।

Cloudflare key का फ़ॉर्मेट: Cloudflare Workers AI key का रूप account_id:token होता है। केवल token, account ID के बिना, काम नहीं करता।

चरण 2: ऑडियो फ़ाइल भेजें

Endpoint OpenAI API की तरह multipart/form-data upload लेता है। दो fields ज़रूरी हैं: file और model। राउटर को provider चुनने देने के लिए model=auto या model=whisper-1 इस्तेमाल करें।

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)

Response में X-Provider header और X-Model header होते हैं। ये headers दिखाते हैं कि transcript किस provider और मॉडल ने बनाया।

विकल्प और आउटपुट फ़ॉर्मेट

Fieldमाननोट
fileएक ऑडियो फ़ाइलज़रूरी। FreeLLMAPI के ज़रिए हर upload के लिए अधिकतम 25 MB
modelauto, whisper-1 या एक model idज़रूरी। model id एक provider पंक्ति को तय करती है
response_formatjson, text, verbose_json, vttडिफ़ॉल्ट json है। srt पर त्रुटि 400 आती है
languageभाषा कोड, उदाहरण के लिए enवैकल्पिक। भाषा पता हो तो सेट करें
promptटेक्स्टवैकल्पिक। नाम और विशेष शब्द दें
temperature0 से 1वैकल्पिक। स्थिर आउटपुट के लिए 0 रखें
  • verbose_json segments देता है, जिनमें समय होता है, जब provider segments लौटाता है। अगर provider के पास segments नहीं हैं, तो आपको सादा JSON फ़ॉर्मेट मिलता है।
  • vtt उपशीर्षक केवल उन providers से आते हैं जो इन्हें मूल रूप से बनाते हैं। catalog में ये Cloudflare Whisper मॉडल हैं।
  • srt अस्वीकार किया जाता है। कोई भी सेट किया गया provider SRT मूल रूप से नहीं बनाता, और gateway इसे बदलता नहीं।

मुफ़्त सीमाएँ और उनके भीतर कैसे रहें

मुफ़्त ट्रांसक्रिप्शन सीमाएँ अलग-अलग इकाइयों में होती हैं। कुछ providers अनुरोध गिनते हैं। अन्य ऑडियो समय या दैनिक compute बजट गिनते हैं।

provider के दस्तावेज़ों की सीमाएँ, 2026-11-19 को जाँची गईं
Providerमुफ़्त सीमा (आधिकारिक)आपके लिए इसका अर्थ
Groqमुफ़्त टियर पर हर फ़ाइल के लिए 25 MB। 10 सेकंड से कम के अनुरोध 10 सेकंड के रूप में गिने जाते हैंतेज़। छोटी और मध्यम फ़ाइलों के लिए अच्छा पहला विकल्प
Cloudflare Workers AIहर दिन 10,000 neurons। Whisper Large v3 Turbo हर ऑडियो मिनट के लिए 46.63 neurons लेता हैलगभग 214 ऑडियो मिनट हर दिन, अगर कोई अन्य Workers AI मॉडल बजट इस्तेमाल न करे
OVH AI Endpointsहर IP पते और मॉडल के लिए प्रति मिनट 2 अनुरोध, बिना key केधीमा फ़ेलओवर। batches के लिए इसका उपयोग न करें
CohereTrial key: सभी endpoints के लिए हर महीने 1,000 API कॉलकॉल chat और embeddings के साथ साझा होते हैं
  • दो या अधिक providers की keys जोड़ें। जब Groq 429 त्रुटि भेजता है, तो राउटर फ़ाइल अगले provider को भेजता है।
  • upload से पहले बड़ी फ़ाइलें बदलें। Groq कहता है कि उसके मॉडल ऑडियो को 16 kHz mono में घटाते हैं। फ़ाइल छोटी करने के लिए यह काम खुद करें।
  • लगभग 25 MB से लंबे ऑडियो को भागों में बाँटें। हर भाग का ट्रांसक्रिप्शन करें, फिर टेक्स्ट जोड़ें।

ffmpeg से फ़ाइल छोटी करें (16 kHz mono FLAC)

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

समस्या निवारण

समस्याकारणसमाधान
त्रुटि 413 file_too_largeफ़ाइल 25 MB से बड़ी है16 kHz mono में बदलें, या फ़ाइल बाँटें
त्रुटि 400 model is requiredform में model field नहीं है-F model=auto जोड़ें
त्रुटि 400 unsupported_formatआपने srt माँगाvtt, json, text या verbose_json इस्तेमाल करें
त्रुटि 503 no_transcription_modelsकोई ट्रांसक्रिप्शन मॉडल सक्षम नहीं हैGroq या Cloudflare key जोड़ें, फिर catalog sync होने तक प्रतीक्षा करें
नामों के लिए गलत शब्दमॉडल इन शब्दों को नहीं जानतानाम prompt field में भेजें
vtt आउटपुट खाली हैprovider VTT नहीं बनाताCloudflare Whisper model id तय करें
इनमें से हर एक का उपयोग एक ही कुंजी से करें। FreeLLMAPI एक ओपन-सोर्स, सेल्फ़-होस्टेड राउटर है। यह इन सभी मुफ़्त टियर को एक OpenAI-संगत एंडपॉइंट के पीछे रखता है। जब कोई एक सीमा पर पहुँचता है, तो यह अगले प्रदाता पर स्विच कर देता है। कैटलॉग देखें या शुरू करें.

अक्सर पूछे जाने वाले प्रश्न

क्या कोई मुफ़्त speech to text API है?

हाँ। Groq, Cloudflare Workers AI, OVH, Mistral और Cohere सीमाओं के साथ मुफ़्त ट्रांसक्रिप्शन देते हैं। FreeLLMAPI 13 मुफ़्त मॉडलों को एक OpenAI-संगत endpoint के पीछे रखता है।

ऑडियो फ़ाइल का अधिकतम आकार क्या है?

FreeLLMAPI 25 MB तक के uploads स्वीकार करता है। Groq भी अपने मुफ़्त टियर पर 25 MB की अनुमति देता है। लंबे ऑडियो के लिए, उसे 16 kHz mono में बदलें या भागों में बाँटें।

क्या मुफ़्त speech to text API से उपशीर्षक मिल सकते हैं?

हाँ। response_format को vtt पर सेट करें। केवल Cloudflare Whisper मॉडल VTT मूल रूप से बनाते हैं। SRT उपलब्ध नहीं है।

क्या मुफ़्त speech to text API OpenAI Python SDK के साथ काम करता है?

हाँ। base_url को http://localhost:3001/v1 पर सेट करें, और file और model="auto" के साथ client.audio.transcriptions.create को कॉल करें।

संबंधित गाइड

स्रोत

सभी गाइड · सभी मुफ़्त मॉडल देखें