مفت Speech to Text API
Speech to text API آڈیو کو متن میں بدلتی ہے۔ Groq، Cloudflare، OVH، Mistral، Cohere اور دیگر فراہم کنندگان حدوں کے ساتھ مفت transcription دیتے ہیں۔ FreeLLMAPI 13 مفت transcription ماڈلز کو ایک OpenAI سے ہم آہنگ اینڈ پوائنٹ، /v1/audio/transcriptions کے پیچھے رکھتا ہے۔ جب کوئی ایک فراہم کنندہ درخواست روک دے تو راؤٹر اگلے کو آزماتا ہے۔
کوڈ، ماڈل کے نام اور براہِ راست کیٹلاگ کے لیبل انگریزی میں دکھائے جاتے ہیں۔
آج کے مفت transcription ماڈلز
جدول FreeLLMAPI کیٹلاگ کے مفت transcription ماڈلز دکھاتی ہے۔ ڈیٹا براہِ راست کیٹلاگ سے آتا ہے۔ "زیادہ سے زیادہ اپ لوڈ" وہ سب سے بڑی فائل ہے جو فراہم کنندہ مفت ٹائر پر قبول کرتا ہے، جب کیٹلاگ اسے جانتا ہو۔
| ماڈل | فراہم کنندہ | زیادہ سے زیادہ اپ لوڈ | مفت حد |
|---|---|---|---|
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) |
FreeLLMAPI کیٹلاگ کا براہِ راست ڈیٹا (ورژن 2026.11.19، 2026-11-19 کو جانچا گیا)۔ مفت حدیں اکثر بدلتی ہیں۔ کیٹلاگ ہر روز جانچا جاتا ہے۔
زیادہ تر اندراجات OpenAI کے Whisper ماڈلز ہیں، جنہیں مختلف فراہم کنندگان میزبانی دیتے ہیں۔ جدول میں Cloudflare پر Deepgram Nova-3، Mistral کا Voxtral، Cohere Transcribe، اور تھائی زبان کے لیے Typhoon ASR بھی ہیں۔ صرف Whisper ماڈلز کا موازنہ دیکھنے کے لیے مفت Whisper API پڑھیں۔
ماڈل منتخب کرنے کے لیے یہ اصول استعمال کریں:
- کئی زبانوں میں عام transcription: Whisper Large v3 یا Whisper Large v3 Turbo۔ Turbo تیز ہے۔ Groq پر Large v3 کی لفظی غلطی کی شرح کم ہے۔
- سب ٹائٹلز: Cloudflare کا Whisper ماڈل، کیونکہ یہ VTT لوٹاتا ہے۔
- عربی: Cohere Transcribe Arabic۔ تھائی: Typhoon ASR۔
- متبادل: OVH Whisper۔ اسے کلید درکار نہیں، لیکن یہ فی منٹ صرف 2 درخواستیں دیتا ہے۔
مرحلہ 1: FreeLLMAPI انسٹال کریں اور کلیدیں شامل کریں
FreeLLMAPI اوپن سورس ہے۔ یہ Docker میں آپ کے کمپیوٹر پر چلتا ہے۔ آپ کی فراہم کنندہ کلیدیں آپ کے کمپیوٹر پر رہتی ہیں۔
انسٹال کریں (macOS یا Linux)
curl -fsSL https://freellmapi.co/install.sh | bashhttp://localhost:3001 پر ڈیش بورڈ کھولیں۔ Keys صفحے پر Groq کی کلید اور Cloudflare کی کلید شامل کریں۔ دونوں فراہم کنندگان مفت کلیدیں دیتے ہیں، اور دونوں Whisper پیش کرتے ہیں۔ اسی صفحے سے اپنی یکجا کلید کاپی کریں۔
account_id:token کی شکل میں ہوتی ہے۔ اکاؤنٹ ID کے بغیر ٹوکن کام نہیں کرتا۔مرحلہ 2: آڈیو فائل بھیجیں
اینڈ پوائنٹ OpenAI API کی طرح multipart/form-data اپ لوڈ لیتا ہے۔ دو فیلڈز لازمی ہیں: file اور model۔ راؤٹر کو فراہم کنندہ منتخب کرنے دینے کے لیے model=auto یا model=whisper-1 استعمال کریں۔
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)جواب میں X-Provider ہیڈر اور X-Model ہیڈر ہوتے ہیں۔ یہ ہیڈرز دکھاتے ہیں کہ کس فراہم کنندہ اور ماڈل نے ٹرانسکرپٹ بنایا۔
اختیارات اور آؤٹ پٹ فارمیٹس
| فیلڈ | قدریں | نوٹس |
|---|---|---|
file | ایک آڈیو فائل | لازمی۔ FreeLLMAPI کے ذریعے ہر اپ لوڈ کے لیے زیادہ سے زیادہ 25 MB |
model | auto، whisper-1 یا ماڈل ID | لازمی۔ ماڈل ID ایک فراہم کنندہ کی قطار کو مقرر کر دیتی ہے |
response_format | json, text, verbose_json, vtt | ڈیفالٹ json ہے۔ srt خرابی 400 لوٹاتا ہے |
language | زبان کا کوڈ، مثلاً en | اختیاری۔ جب زبان معلوم ہو تو اسے سیٹ کریں |
prompt | متن | اختیاری۔ نام اور خاص اصطلاحات دیں |
temperature | 0 سے 1 | اختیاری۔ مستحکم آؤٹ پٹ کے لیے 0 رکھیں |
- verbose_json وقت کے ساتھ حصے (segments) دیتا ہے، جب فراہم کنندہ حصے لوٹائے۔ اگر فراہم کنندہ حصے نہ دے تو آپ کو سادہ JSON شکل ملتی ہے۔
- vtt سب ٹائٹلز صرف ان فراہم کنندگان سے آتے ہیں جو انہیں اصل میں بناتے ہیں۔ کیٹلاگ میں یہ Cloudflare کے Whisper ماڈلز ہیں۔
- srt رد کیا جاتا ہے۔ کوئی بھی ترتیب شدہ فراہم کنندہ SRT اصل میں نہیں بناتا، اور گیٹ وے اسے تبدیل نہیں کرتا۔
مفت حدیں اور ان کے اندر کیسے رہیں
مفت transcription حدوں کی اکائیاں مختلف ہیں۔ کچھ فراہم کنندگان درخواستیں شمار کرتے ہیں۔ دوسرے آڈیو کا وقت یا روزانہ کمپیوٹ بجٹ شمار کرتے ہیں۔
| فراہم کنندہ | مفت حد (سرکاری) | آپ کے لیے اس کا مطلب |
|---|---|---|
| Groq | مفت ٹائر پر ہر فائل کے لیے 25 MB۔ 10 سیکنڈ سے کم درخواستوں کا بل 10 سیکنڈ کے طور پر لگتا ہے | تیز۔ چھوٹی اور درمیانی فائلوں کے لیے اچھا پہلا انتخاب |
| Cloudflare Workers AI | ہر روز 10,000 neurons۔ Whisper Large v3 Turbo ہر آڈیو منٹ کے لیے 46.63 neurons استعمال کرتا ہے | ہر روز تقریباً 214 آڈیو منٹ، اگر کوئی دوسرا Workers AI ماڈل بجٹ استعمال نہ کرے |
| OVH AI Endpoints | ہر IP ایڈریس اور ماڈل کے لیے فی منٹ 2 درخواستیں، بغیر کلید کے | سست متبادل۔ بیچ کے لیے استعمال نہ کریں |
| Cohere | ٹرائل کلید: تمام اینڈ پوائنٹس کے لیے ہر مہینے 1,000 API کالز | کالز چیٹ اور ایمبیڈنگز کے ساتھ مشترک ہیں |
- دو یا زائد فراہم کنندگان کی کلیدیں شامل کریں۔ جب Groq 429 خرابی بھیجتا ہے تو راؤٹر فائل اگلے فراہم کنندہ کو بھیجتا ہے۔
- بڑی فائلیں اپ لوڈ سے پہلے تبدیل کریں۔ Groq کہتا ہے کہ اس کے ماڈلز آڈیو کو 16 kHz mono تک کم کرتے ہیں۔ فائل چھوٹی کرنے کے لیے یہ کام خود کریں۔
- تقریباً 25 MB سے لمبے آڈیو کو حصوں میں تقسیم کریں۔ ہر حصے کو transcribe کریں، پھر متن جوڑ دیں۔
ffmpeg سے فائل چھوٹی کریں (16 kHz mono FLAC)
ffmpeg -i interview.m4a -ar 16000 -ac 1 -c:a flac interview.flacخرابیوں کا ازالہ
| مسئلہ | وجہ | حل |
|---|---|---|
خرابی 413 file_too_large | فائل 25 MB سے بڑی ہے | 16 kHz mono میں تبدیل کریں، یا فائل تقسیم کریں |
خرابی 400 model درکار ہے | فارم میں model فیلڈ نہیں ہے | -F model=auto شامل کریں |
خرابی 400 unsupported_format | آپ نے srt مانگا | vtt، json، text یا verbose_json استعمال کریں |
خرابی 503 no_transcription_models | کوئی transcription ماڈل فعال نہیں ہے | Groq یا Cloudflare کی کلید شامل کریں، پھر کیٹلاگ کی ہم آہنگی کا انتظار کریں |
| ناموں کے غلط الفاظ | ماڈل ان اصطلاحات کو نہیں جانتا | ناموں کو prompt فیلڈ میں بھیجیں |
خالی vtt آؤٹ پٹ | فراہم کنندہ VTT نہیں بناتا | Cloudflare Whisper ماڈل ID مقرر کریں |
اکثر پوچھے گئے سوالات
کیا کوئی مفت Speech to Text API ہے؟
ہاں۔ Groq، Cloudflare Workers AI، OVH، Mistral اور Cohere حدوں کے ساتھ مفت transcription دیتے ہیں۔ FreeLLMAPI 13 مفت ماڈلز کو ایک OpenAI سے ہم آہنگ اینڈ پوائنٹ کے پیچھے رکھتا ہے۔
آڈیو فائل کا زیادہ سے زیادہ سائز کیا ہے؟
FreeLLMAPI 25 MB تک کے اپ لوڈ قبول کرتا ہے۔ Groq بھی اپنے مفت ٹائر پر 25 MB کی اجازت دیتا ہے۔ لمبے آڈیو کے لیے اسے 16 kHz mono میں تبدیل کریں یا حصوں میں تقسیم کریں۔
کیا میں مفت Speech to Text API سے سب ٹائٹلز حاصل کر سکتا ہوں؟
ہاں۔ response_format کو vtt پر سیٹ کریں۔ صرف Cloudflare کے Whisper ماڈلز VTT اصل میں بناتے ہیں۔ SRT دستیاب نہیں ہے۔
کیا مفت Speech to Text API OpenAI Python SDK کے ساتھ کام کرتی ہے؟
ہاں۔ base_url کو http://localhost:3001/v1 پر سیٹ کریں اور file اور model="auto" کے ساتھ client.audio.transcriptions.create کال کریں۔
متعلقہ گائیڈز
ماخذ
- FreeLLMAPI README: supported endpoints (20 November 2026 کو جانچا گیا)
- Groq docs: Speech to text (20 November 2026 کو جانچا گیا)
- Cloudflare Workers AI pricing (20 November 2026 کو جانچا گیا)
- Cloudflare Workers AI: whisper-large-v3-turbo (20 November 2026 کو جانچا گیا)
- OVHcloud AI Endpoints capabilities (20 November 2026 کو جانچا گیا)
- Cohere docs: rate limits (20 November 2026 کو جانچا گیا)