Strona główna / Poradniki / Darmowe API zamiany mowy na tekst

Darmowe API zamiany mowy na tekst

API zamiany mowy na tekst zamienia audio w tekst. Groq, Cloudflare, OVH, Mistral, Cohere i inni dostawcy dają darmową transkrypcję z limitami. FreeLLMAPI udostępnia 13 darmowych modeli transkrypcji za jednym punktem końcowym zgodnym z OpenAI, /v1/audio/transcriptions. Gdy jeden dostawca zablokuje żądanie, router próbuje następnego.

Kod, nazwy modeli i etykiety z katalogu na żywo są podane po angielsku.

Darmowe modele transkrypcji dzisiaj

Tabela zawiera darmowe modele transkrypcji z katalogu FreeLLMAPI. Dane pochodzą z katalogu na żywo. "Max upload" to największy plik, jaki dostawca przyjmuje w darmowym planie, gdy katalog tę wartość zna.

ModelDostawcaMaks. rozmiar plikuDarmowy 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)

Dane na żywo z katalogu FreeLLMAPI (wersja 2026.11.19, sprawdzono 2026-11-19). Darmowe limity często się zmieniają. Katalog jest sprawdzany codziennie.

Większość wpisów to modele Whisper od OpenAI, hostowane przez różnych dostawców. Tabela zawiera też Deepgram Nova-3 w Cloudflare, Voxtral od Mistral, Cohere Transcribe oraz Typhoon ASR dla tajskiego. Porównanie samych modeli Whisper znajdziesz w poradniku Darmowe API Whisper.

Użyj tej zasady, aby wybrać model:

  • Ogólna transkrypcja w wielu językach: Whisper Large v3 lub Whisper Large v3 Turbo. Turbo jest szybszy. Large v3 ma niższy współczynnik błędów słów w Groq.
  • Napisy: model Whisper z Cloudflare, bo zwraca VTT.
  • Arabski: Cohere Transcribe Arabic. Tajski: Typhoon ASR.
  • Zapasowy: OVH Whisper. Nie wymaga klucza, ale pozwala tylko na 2 żądania na minutę.

Krok 1: zainstaluj FreeLLMAPI i dodaj klucze

FreeLLMAPI ma otwarty kod. Działa na Twoim komputerze w Dockerze. Klucze dostawców pozostają na Twoim komputerze.

Instalacja (macOS lub Linux)

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

Otwórz panel pod adresem http://localhost:3001. Na stronie Keys dodaj klucz Groq i klucz Cloudflare. Obaj dostawcy dają darmowe klucze, a oba udostępniają Whisper. Skopiuj swój wspólny klucz z tej samej strony.

Format klucza Cloudflare: klucz Cloudflare Workers AI ma postać account_id:token. Token bez identyfikatora konta nie działa.

Krok 2: wyślij plik audio

Punkt końcowy przyjmuje przesłanie multipart/form-data, tak samo jak API OpenAI. Wymagane są dwa pola: file i model. Użyj model=auto albo model=whisper-1, aby router wybrał dostawcę.

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)

Odpowiedź zawiera nagłówek X-Provider i nagłówek X-Model. Te nagłówki pokazują, który dostawca i model stworzyli transkrypcję.

Opcje i formaty wyjściowe

PoleWartościUwagi
fileJeden plik audioWymagane. Maksimum 25 MB na każde przesłanie przez FreeLLMAPI
modelauto, whisper-1 albo identyfikator modeluWymagane. Identyfikator modelu przypina jeden wiersz dostawcy
response_formatjson, text, verbose_json, vttDomyślnie json. srt zwraca błąd 400
languageKod języka, na przykład enOpcjonalne. Ustaw, gdy znasz język
promptTekstOpcjonalne. Podaj nazwy i specjalne terminy
temperature0 do 1Opcjonalne. Zostaw 0 dla stabilnego wyjścia
  • verbose_json zwraca segmenty z czasami, gdy dostawca zwraca segmenty. Jeśli dostawca nie ma segmentów, dostajesz zwykły kształt JSON.
  • Napisy vtt pochodzą tylko od dostawców, którzy tworzą je natywnie. W katalogu są to modele Whisper z Cloudflare.
  • srt jest odrzucane. Żaden skonfigurowany dostawca nie tworzy SRT natywnie, a brama go nie konwertuje.

Darmowe limity i jak się w nich zmieścić

Darmowe limity transkrypcji używają różnych jednostek. Niektórzy dostawcy liczą żądania. Inni liczą czas audio lub dzienny budżet obliczeniowy.

Limity z dokumentacji dostawców, sprawdzono 2026-11-19
DostawcaDarmowy limit (oficjalny)Co to oznacza dla Ciebie
Groq25 MB na plik w darmowym planie. Żądania poniżej 10 sekund są rozliczane jako 10 sekundSzybki. Dobry pierwszy wybór dla krótkich i średnich plików
Cloudflare Workers AI10 000 neuronów dziennie. Whisper Large v3 Turbo zużywa 46,63 neuronów na każdą minutę audioOkoło 214 minut audio dziennie, jeśli inny model Workers AI nie zużywa budżetu
OVH AI Endpoints2 żądania na minutę na każdy adres IP i model, bez kluczaWolny zapas. Nie używaj go do zadań wsadowych
CohereKlucz próbny: 1 000 wywołań API miesięcznie dla wszystkich punktów końcowychWywołania są wspólne z czatem i osadzeniami
  • Dodaj klucze od dwóch lub więcej dostawców. Gdy Groq wyśle błąd 429, router przekaże plik następnemu dostawcy.
  • Konwertuj duże pliki przed przesłaniem. Groq podaje, że jego modele zmniejszają próbkowanie audio do 16 kHz, mono. Zrób to sam, aby zmniejszyć plik.
  • Podziel audio dłuższe niż około 25 MB na części. Transkrybuj każdą część, a potem połącz tekst.

Zmniejsz plik za pomocą ffmpeg (16 kHz, mono, FLAC)

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

Rozwiązywanie problemów

ProblemPrzyczynaRozwiązanie
Błąd 413 file_too_largePlik jest większy niż 25 MBPrzekonwertuj do 16 kHz, mono albo podziel plik
Błąd 400 model is requiredFormularz nie ma pola modelDodaj -F model=auto
Błąd 400 unsupported_formatZażądano srtUżyj vtt, json, text albo verbose_json
Błąd 503 no_transcription_modelsŻaden model transkrypcji nie jest włączonyDodaj klucz Groq lub Cloudflare, a potem poczekaj na synchronizację katalogu
Złe słowa w nazwachModel nie zna tych terminówPodaj nazwy w polu prompt
Pusty wynik vttDostawca nie tworzy VTTPrzypnij identyfikator modelu Whisper z Cloudflare
Używaj wszystkich tych modeli przez jeden klucz. FreeLLMAPI to router o otwartym kodzie, uruchamiany na własnym serwerze. Łączy wszystkie te darmowe plany za jednym punktem końcowym zgodnym z OpenAI i przełącza się na inny dostawcę, gdy limit zostanie przekroczony. Przeglądaj katalog lub uruchom.

Najczęstsze pytania

Czy istnieje darmowe API zamiany mowy na tekst?

Tak. Groq, Cloudflare Workers AI, OVH, Mistral i Cohere dają darmową transkrypcję z limitami. FreeLLMAPI udostępnia 13 darmowych modeli za jednym punktem końcowym zgodnym z OpenAI.

Jaki jest maksymalny rozmiar pliku audio?

FreeLLMAPI przyjmuje przesłania do 25 MB. Groq też pozwala na 25 MB w darmowym planie. Dla dłuższego audio przekonwertuj je do 16 kHz, mono albo podziel na części.

Czy mogę dostać napisy z darmowego API zamiany mowy na tekst?

Tak. Ustaw response_format na vtt. Tylko modele Whisper z Cloudflare tworzą VTT natywnie. SRT nie jest dostępne.

Czy darmowe API zamiany mowy na tekst działa z OpenAI Python SDK?

Tak. Ustaw base_url na http://localhost:3001/v1 i wywołaj client.audio.transcriptions.create z plikiem i model="auto".

Powiązane poradniki

Źródła

Wszystkie poradniki · Przeglądaj wszystkie darmowe modele