ہوم / گائیڈز / مفت Speech to Text API

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۔

ماڈلفراہم کنندہزیادہ سے زیادہ اپ لوڈمفت حد
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 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 | bash

http://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۔

Cloudflare کلید کا فارمیٹ: Cloudflare Workers AI کی کلید 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=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)

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

فیلڈقدریںنوٹس
fileایک آڈیو فائللازمی۔ FreeLLMAPI کے ذریعے ہر اپ لوڈ کے لیے زیادہ سے زیادہ 25 MB
modelauto، whisper-1 یا ماڈل IDلازمی۔ ماڈل ID ایک فراہم کنندہ کی قطار کو مقرر کر دیتی ہے
response_formatjson, text, verbose_json, vttڈیفالٹ json ہے۔ srt خرابی 400 لوٹاتا ہے
languageزبان کا کوڈ، مثلاً enاختیاری۔ جب زبان معلوم ہو تو اسے سیٹ کریں
promptمتناختیاری۔ نام اور خاص اصطلاحات دیں
temperature0 سے 1اختیاری۔ 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 کنندگان کی دستاویزات سے حدیں، 2026-11-19 کو جانچی گئیں
فراہم کنندہمفت حد (سرکاری)آپ کے لیے اس کا مطلب
Groqمفت ٹائر پر ہر فائل کے لیے 25 MB۔ 10 سیکنڈ سے کم درخواستوں کا بل 10 سیکنڈ کے طور پر لگتا ہےتیز۔ چھوٹی اور درمیانی فائلوں کے لیے اچھا پہلا انتخاب
Cloudflare Workers AIہر روز 10,000 neurons۔ Whisper Large v3 Turbo ہر آڈیو منٹ کے لیے 46.63 neurons استعمال کرتا ہےہر روز تقریباً 214 آڈیو منٹ، اگر کوئی دوسرا Workers AI ماڈل بجٹ استعمال نہ کرے
OVH AI Endpointsہر IP ایڈریس اور ماڈل کے لیے فی منٹ 2 درخواستیں، بغیر کلید کےسست متبادل۔ بیچ کے لیے استعمال نہ کریں
Cohereٹرائل کلید: تمام اینڈ پوائنٹس کے لیے ہر مہینے 1,000 API کالزکالز 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.flac

خرابیوں کا ازالہ

مسئلہوجہحل
خرابی 413 file_too_largeفائل 25 MB سے بڑی ہے16 kHz mono میں تبدیل کریں، یا فائل تقسیم کریں
خرابی 400 model درکار ہےفارم میں model فیلڈ نہیں ہے-F model=auto شامل کریں
خرابی 400 unsupported_formatآپ نے srt مانگاvtt، json، text یا verbose_json استعمال کریں
خرابی 503 no_transcription_modelsکوئی transcription ماڈل فعال نہیں ہےGroq یا Cloudflare کی کلید شامل کریں، پھر کیٹلاگ کی ہم آہنگی کا انتظار کریں
ناموں کے غلط الفاظماڈل ان اصطلاحات کو نہیں جانتاناموں کو prompt فیلڈ میں بھیجیں
خالی vtt آؤٹ پٹفراہم کنندہ VTT نہیں بناتاCloudflare Whisper ماڈل ID مقرر کریں
ان سب کو ایک ہی کلید سے استعمال کریں۔ FreeLLMAPI ایک اوپن سورس، خود میزبانی والا راؤٹر ہے۔ یہ ان تمام مفت ٹائرز کو ایک ہی OpenAI سے ہم آہنگ اینڈ پوائنٹ کے پیچھے رکھتا ہے، اور جب کوئی ایک ریٹ لمٹ ہو جائے تو خودکار طور پر دوسرے پر منتقل ہو جاتا ہے۔ کیٹلاگ دیکھیں یا لائیو جائیں.

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

تمام گائیڈز · تمام مفت ماڈلز دیکھیں