首页 / 指南 / 免费语音转文字 API

免费语音转文字 API

语音转文字 API 可将音频转换为文本。Groq、Cloudflare、OVH、Mistral、Cohere 和其他提供方提供有限额度的免费转写。FreeLLMAPI 将 13 个免费转写模型放在一个兼容 OpenAI 的端点 /v1/audio/transcriptions 之后。当某个提供方拒绝请求时,路由器会尝试下一个提供方。

代码、模型名称和目录中的实时标签以英文显示。

当前的免费转写模型

下表列出了 FreeLLMAPI 目录中的免费转写模型。数据来自实时目录。当目录中有相关信息时,"最大上传大小"表示提供方在免费套餐中接受的最大文件。

模型提供方最大上传大小免费额度
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)

数据来自 FreeLLMAPI 目录(版本 2026.11.19,检查于 2026-11-19)。免费额度经常变化。该目录每天检查一次。

大多数条目是由不同提供方托管的 OpenAI Whisper 模型。该表还包括 Cloudflare 上的 Deepgram Nova-3、Mistral 的 Voxtral、Cohere Transcribe 以及泰语的 Typhoon ASR。若只比较 Whisper 模型,请阅读免费 Whisper API。

使用以下规则选择模型:

  • 多语言通用转写:Whisper Large v3 或 Whisper Large v3 Turbo。Turbo 更快。在 Groq 上,Large v3 的词错误率更低。
  • 字幕:Cloudflare 的 Whisper 模型,因为它返回 VTT。
  • 阿拉伯语:Cohere Transcribe Arabic。泰语:Typhoon ASR。
  • 备用:OVH Whisper。它不需要密钥,但每分钟只允许 2 次请求。

第 1 步:安装 FreeLLMAPI 并添加密钥

FreeLLMAPI 是开源软件。它在您的计算机上通过 Docker 运行。您的提供方密钥保存在您的计算机上。

安装(macOS 或 Linux)

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

在浏览器中打开仪表板 http://localhost:3001。在 Keys 页面添加一个 Groq 密钥和一个 Cloudflare 密钥。两个提供方都提供免费密钥,并且都提供 Whisper 服务。从同一页面复制您的统一密钥。

Cloudflare 密钥格式:Cloudflare Workers AI 密钥的格式为 account_id:token。缺少账户 ID 的令牌无法使用。

第 2 步:发送音频文件

该端点接受 multipart/form-data 上传,与 OpenAI API 相同。有两个必填字段:file 和 model。使用 model=auto 或 model=whisper-1,让路由器选择提供方。

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)

响应包含 X-Provider 标头和 X-Model 标头。这些标头显示生成转写文本的提供方和模型。

选项与输出格式

字段取值说明
file一个音频文件必填。通过 FreeLLMAPI 每次上传最大 25 MB
modelauto、whisper-1 或模型 ID必填。模型 ID 会固定到一个提供方条目
response_formatjson, text, verbose_json, vtt默认为 json。srt 返回错误 400
language语言代码,例如 en可选。当您知道语言时设置
prompt文本可选。提供人名和专业术语
temperature0 至 1可选。保持为 0 以获得稳定的输出
  • 当提供方返回分段时,verbose_json 会给出带时间的分段。如果提供方没有分段,您将得到普通的 JSON 格式。
  • vtt 字幕只来自原生支持该格式的提供方。在目录中,这些是 Cloudflare 的 Whisper 模型。
  • srt 会被拒绝。没有任何已配置的提供方原生支持 SRT,并且网关不做转换。

免费限制及如何保持在限制之内

免费转写的限制使用不同的单位。部分提供方按请求次数计算,其他提供方按音频时长或每日计算预算计算。

限制取自提供方文档,检查于 2026-11-19
提供方免费限制(官方)对您的意义
Groq免费套餐中每个文件最大 25 MB。时长不足 10 秒的请求按 10 秒计费速度快。适合作为短文件和中等长度文件的首选
Cloudflare Workers AI每天 10,000 个 neurons。Whisper Large v3 Turbo 每分钟音频消耗 46.63 个 neurons如果没有其他 Workers AI 模型占用预算,每天约可转写 214 分钟音频
OVH AI Endpoints每个 IP 地址和每个模型每分钟 2 次请求,无需密钥速度慢的备用方案。请勿用于批处理
Cohere试用密钥:所有端点每月 1,000 次 API 调用调用额度与聊天和嵌入共享
  • 添加两个或更多提供方的密钥。当 Groq 返回 429 错误时,路由器会将文件发送给下一个提供方。
  • 上传前转换大文件。Groq 表示其模型会将音频降采样为 16 kHz 单声道。您可以自行操作以减小文件大小。
  • 将超过约 25 MB 的音频拆分为多个部分。分别转写每个部分,然后合并文本。

使用 ffmpeg 压缩文件(16 kHz 单声道 FLAC)

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

故障排除

问题原因解决方法
错误 413 file_too_large文件大于 25 MB转换为 16 kHz 单声道,或拆分文件
错误 400 model is required表单中没有 model 字段添加 -F model=auto
错误 400 unsupported_format您请求了 srt使用 vtt、json、text 或 verbose_json
错误 503 no_transcription_models没有启用任何转写模型添加 Groq 或 Cloudflare 密钥,然后等待目录同步
人名等词语转写错误模型不了解这些术语在 prompt 字段中提供人名
vtt 输出为空该提供方不生成 VTT固定一个 Cloudflare Whisper 模型 ID
通过一个密钥使用以上每一个模型。 FreeLLMAPI 是一个开源的自托管路由器。它将所有这些免费套餐放在一个兼容 OpenAI 的端点之后,并在某个套餐被限速时自动切换。 浏览目录 或 立即开始.

常见问题

有免费的语音转文字 API 吗?

有。Groq、Cloudflare Workers AI、OVH、Mistral 和 Cohere 提供有限额度的免费转写。FreeLLMAPI 将 13 个免费模型放在一个兼容 OpenAI 的端点之后。

音频文件的最大大小是多少?

FreeLLMAPI 接受最大 25 MB 的上传。Groq 的免费套餐同样允许 25 MB。对于更长的音频,请将其转换为 16 kHz 单声道,或拆分为多个部分。

能否使用免费的语音转文字 API 获取字幕?

可以。将 response_format 设置为 vtt。只有 Cloudflare 的 Whisper 模型原生支持 VTT。不提供 SRT。

免费语音转文字 API 能否与 OpenAI Python SDK 一起使用?

可以。将 base_url 设置为 http://localhost:3001/v1,并使用文件和 model="auto" 调用 client.audio.transcriptions.create。

相关指南

来源

全部指南 · 浏览所有免费模型