Nyumbani / Miongozo / API ya bure ya kubadilisha sauti kuwa maandishi

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.

ModeliMtoa hudumaUpakiaji wa juu zaidiKikomo cha bure
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)

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 | bash

Fungua 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.

Muundo wa ufunguo wa Cloudflare: ufunguo wa Cloudflare Workers AI una muundo 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=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)

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

SehemuThamaniMaelezo
fileFaili moja la sautiInahitajika. Kiwango cha juu ni 25 MB kwa kila upakiaji kupitia FreeLLMAPI
modelauto, whisper-1 au model idInahitajika. Model id inabandika safu moja ya mtoa huduma
response_formatjson, text, verbose_json, vttChaguo-msingi ni json. srt inarudisha hitilafu 400
languageMsimbo wa lugha, kwa mfano enSi lazima. Iweke unapojua lugha
promptMaandishiSi lazima. Toa majina na maneno maalum
temperature0 hadi 1Si 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.

Vikomo kutoka nyaraka za watoa huduma, vimekaguliwa 2026-11-19
Mtoa hudumaKikomo cha bure (rasmi)Maana yake kwako
Groq25 MB kwa kila faili kwenye ngazi ya bure. Maombi chini ya sekunde 10 yanahesabiwa kama sekunde 10Haraka. Chaguo zuri la kwanza kwa faili fupi na za kati
Cloudflare Workers AIneuroni 10,000 kila siku. Whisper Large v3 Turbo inatumia neuroni 46.63 kwa kila dakika ya sautiTakriban dakika 214 za sauti kila siku, ikiwa hakuna modeli nyingine ya Workers AI inatumia bajeti
OVH AI EndpointsMaombi 2 kwa dakika kwa kila anwani ya IP na modeli, bila ufunguoMbadala wa polepole. Usiitumie kwa makundi
CohereUfunguo wa majaribio: simu 1,000 za API kila mwezi kwa vituo vyoteSimu 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.flac

Utatuzi wa matatizo

TatizoChanzoSuluhisho
Hitilafu 413 file_too_largeFaili ni kubwa kuliko 25 MBBadilisha kuwa 16 kHz mono, au gawanya faili
Hitilafu 400 model inahitajikaFomu haina sehemu ya modelOngeza -F model=auto
Hitilafu 400 unsupported_formatUliomba srtTumia vtt, json, text au verbose_json
Hitilafu 503 no_transcription_modelsHakuna modeli ya unukuzi iliyowezeshwaOngeza ufunguo wa Groq au Cloudflare, kisha subiri usawazishaji wa katalogi
Maneno yasiyo sahihi kwa majinaModeli haijui maneno hayoTuma majina kwenye sehemu ya prompt
Matokeo ya vtt ni tupuMtoa huduma hatengenezi VTTBandika model id ya Whisper ya Cloudflare
Tumia kila moja ya hizi kwa ufunguo mmoja. FreeLLMAPI ni kipanga njia huria, unachoendesha mwenyewe. Kinaweka tabaka hizi zote za bure nyuma ya kituo kimoja cha OpenAI kinachooana, na kinahamia kwenye nyingine pale kikomo kinapofikiwa. Vinjari katalogi au anza sasa.

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

Vyanzo

Miongozo yote · Tazama modeli zote za bure