API ya bure ya kubadilisha sauti kuwa maandishi
API ya kubadilisha sauti kuwa maandishi inageuza sauti kuwa maandishi. Groq, Cloudflare, OVH, Mistral, Cohere na watoa huduma wengine wanatoa unukuzi wa bure wenye vikomo. FreeLLMAPI inaweka modeli 13 za unukuzi wa bure nyuma ya kituo kimoja kinachooana na OpenAI, /v1/audio/transcriptions. Mtoa huduma mmoja anapositisha ombi, kipanga njia kinajaribu anayefuata.
Msimbo, majina ya modeli na lebo za katalogi ya moja kwa moja zinaonyeshwa kwa Kiingereza.
Modeli za unukuzi wa bure leo
Jedwali linaorodhesha modeli za unukuzi wa bure kwenye katalogi ya FreeLLMAPI. Data inatoka kwenye katalogi ya moja kwa moja. "Upakiaji wa juu zaidi" ndilo faili kubwa zaidi ambalo mtoa huduma anakubali kwenye ngazi ya bure, pale katalogi inapolijua.
| Modeli | Mtoa huduma | Upakiaji wa juu zaidi | Kikomo cha bure |
|---|---|---|---|
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) |
Data ya moja kwa moja kutoka katalogi ya FreeLLMAPI (toleo 2026.11.19, imekaguliwa 2026-11-19). Vikomo vya bure hubadilika mara kwa mara. Katalogi hukaguliwa kila siku.
Ingizo nyingi ni modeli za Whisper kutoka OpenAI, zinazoendeshwa na watoa huduma tofauti. Jedwali pia lina Deepgram Nova-3 kwenye Cloudflare, Voxtral kutoka Mistral, Cohere Transcribe, na Typhoon ASR kwa Kithai. Kwa ulinganisho wa modeli za Whisper pekee, soma Free Whisper API.
Tumia kanuni hii kuchagua modeli:
- Unukuzi wa jumla kwa lugha nyingi: Whisper Large v3 au Whisper Large v3 Turbo. Turbo ni ya haraka zaidi. Large v3 ina kiwango cha chini cha makosa ya maneno kwenye Groq.
- Manukuu: modeli ya Whisper ya Cloudflare, kwa sababu inarudisha VTT.
- Kiarabu: Cohere Transcribe Arabic. Kithai: Typhoon ASR.
- Mbadala: OVH Whisper. Haihitaji ufunguo, lakini inaruhusu maombi 2 kwa dakika pekee.
Hatua ya 1: Sakinisha FreeLLMAPI na uongeze funguo
FreeLLMAPI ni chanzo huria. Inaendeshwa kwenye kompyuta yako kwenye Docker. Funguo za watoa huduma wako zinabaki kwenye kompyuta yako.
Sakinisha (macOS au Linux)
curl -fsSL https://freellmapi.co/install.sh | bashFungua dashibodi kwenye http://localhost:3001. Ongeza ufunguo wa Groq na ufunguo wa Cloudflare kwenye ukurasa wa Keys. Watoa huduma wote wawili wanatoa funguo za bure, na wote wawili wanatoa Whisper. Nakili ufunguo wako wa pamoja kutoka ukurasa uleule.
account_id:token. Tokeni isiyo na kitambulisho cha akaunti haifanyi kazi.Hatua ya 2: Tuma faili la sauti
Kituo kinapokea upakiaji wa multipart/form-data, kama API ya OpenAI. Sehemu mbili zinahitajika: file na model. Tumia model=auto au model=whisper-1 ili kipanga njia kichague mtoa huduma.
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)Jibu lina kichwa cha X-Provider na kichwa cha X-Model. Vichwa hivi vinaonyesha mtoa huduma na modeli waliotengeneza nukuu.
Chaguo na miundo ya matokeo
| Sehemu | Thamani | Maelezo |
|---|---|---|
file | Faili moja la sauti | Inahitajika. Kiwango cha juu ni 25 MB kwa kila upakiaji kupitia FreeLLMAPI |
model | auto, whisper-1 au model id | Inahitajika. Model id inabandika safu moja ya mtoa huduma |
response_format | json, text, verbose_json, vtt | Chaguo-msingi ni json. srt inarudisha hitilafu 400 |
language | Msimbo wa lugha, kwa mfano en | Si lazima. Iweke unapojua lugha |
prompt | Maandishi | Si lazima. Toa majina na maneno maalum |
temperature | 0 hadi 1 | Si lazima. Weka 0 kwa matokeo thabiti |
- verbose_json inatoa sehemu zenye muda pale mtoa huduma anaporudisha sehemu. Mtoa huduma asipotoa sehemu, unapata muundo wa kawaida wa JSON.
- Manukuu ya vtt yanatoka kwa watoa huduma wanaoyatengeneza moja kwa moja pekee. Kwenye katalogi, hawa ni modeli za Whisper za Cloudflare.
- srt inakataliwa. Hakuna mtoa huduma aliyesanidiwa anayetengeneza SRT moja kwa moja, na lango halibadilishi.
Vikomo vya bure na jinsi ya kukaa ndani yake
Vikomo vya unukuzi wa bure vinatumia vipimo tofauti. Baadhi ya watoa huduma wanahesabu maombi. Wengine wanahesabu muda wa sauti au bajeti ya kila siku ya kompyuta.
| Mtoa huduma | Kikomo cha bure (rasmi) | Maana yake kwako |
|---|---|---|
| Groq | 25 MB kwa kila faili kwenye ngazi ya bure. Maombi chini ya sekunde 10 yanahesabiwa kama sekunde 10 | Haraka. Chaguo zuri la kwanza kwa faili fupi na za kati |
| Cloudflare Workers AI | neuroni 10,000 kila siku. Whisper Large v3 Turbo inatumia neuroni 46.63 kwa kila dakika ya sauti | Takriban dakika 214 za sauti kila siku, ikiwa hakuna modeli nyingine ya Workers AI inatumia bajeti |
| OVH AI Endpoints | Maombi 2 kwa dakika kwa kila anwani ya IP na modeli, bila ufunguo | Mbadala wa polepole. Usiitumie kwa makundi |
| Cohere | Ufunguo wa majaribio: simu 1,000 za API kila mwezi kwa vituo vyote | Simu zinashirikiwa na gumzo na embeddings |
- Ongeza funguo kutoka watoa huduma wawili au zaidi. Groq inapotuma hitilafu 429, kipanga njia kinatuma faili kwa mtoa huduma anayefuata.
- Badilisha faili kubwa kabla ya kupakia. Groq inasema kwamba modeli zake zinapunguza sauti hadi 16 kHz mono. Fanya hili mwenyewe ili kupunguza ukubwa wa faili.
- Gawanya sauti ndefu kuliko takriban 25 MB kuwa sehemu. Nukuu kila sehemu, kisha unganisha maandishi.
Punguza ukubwa wa faili kwa ffmpeg (16 kHz mono FLAC)
ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a flac interview.flacUtatuzi wa matatizo
| Tatizo | Chanzo | Suluhisho |
|---|---|---|
Hitilafu 413 file_too_large | Faili ni kubwa kuliko 25 MB | Badilisha kuwa 16 kHz mono, au gawanya faili |
Hitilafu 400 model inahitajika | Fomu haina sehemu ya model | Ongeza -F model=auto |
Hitilafu 400 unsupported_format | Uliomba srt | Tumia vtt, json, text au verbose_json |
Hitilafu 503 no_transcription_models | Hakuna modeli ya unukuzi iliyowezeshwa | Ongeza ufunguo wa Groq au Cloudflare, kisha subiri usawazishaji wa katalogi |
| Maneno yasiyo sahihi kwa majina | Modeli haijui maneno hayo | Tuma majina kwenye sehemu ya prompt |
Matokeo ya vtt ni tupu | Mtoa huduma hatengenezi VTT | Bandika model id ya Whisper ya Cloudflare |
Maswali yanayoulizwa mara kwa mara
Je, kuna API ya bure ya kubadilisha sauti kuwa maandishi?
Ndiyo. Groq, Cloudflare Workers AI, OVH, Mistral na Cohere wanatoa unukuzi wa bure wenye vikomo. FreeLLMAPI inaweka modeli 13 za bure nyuma ya kituo kimoja kinachooana na OpenAI.
Ukubwa wa juu wa faili la sauti ni upi?
FreeLLMAPI inakubali upakiaji wa hadi 25 MB. Groq pia inaruhusu 25 MB kwenye ngazi yake ya bure. Kwa sauti ndefu zaidi, badilisha kuwa 16 kHz mono au gawanya kuwa sehemu.
Je, ninaweza kupata manukuu kutoka API ya bure ya kubadilisha sauti kuwa maandishi?
Ndiyo. Weka response_format kuwa vtt. Modeli za Whisper za Cloudflare pekee zinatengeneza VTT moja kwa moja. SRT haipatikani.
Je, API ya bure ya kubadilisha sauti kuwa maandishi inafanya kazi na OpenAI Python SDK?
Ndiyo. Weka base_url kuwa http://localhost:3001/v1 kisha uite client.audio.transcriptions.create na faili na model="auto".
Miongozo inayohusiana
- API ya Whisper bure
- Free text to speech API
- free groq api
- free cloudflare api
- API ya bure ya OVH AI Endpoints
Vyanzo
- FreeLLMAPI README: supported endpoints (imekaguliwa 20 November 2026)
- Groq docs: Speech to text (imekaguliwa 20 November 2026)
- Cloudflare Workers AI pricing (imekaguliwa 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (imekaguliwa 20 November 2026)
- OVHcloud AI Endpoints capabilities (imekaguliwa 20 November 2026)
- Cohere docs: rate limits (imekaguliwa 20 November 2026)