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 | 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) |
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。
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=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)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 |
model | auto、whisper-1 或模型 ID | 必填。模型 ID 会固定到一个提供方条目 |
response_format | json, 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 |
temperature | 0 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。
| 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 |
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
- FreeLLMAPI README: supported endpoints (检查于 20 November 2026)
- Groq docs: Speech to text (检查于 20 November 2026)
- Cloudflare Workers AI pricing (检查于 20 November 2026)
- Cloudflare Workers AI: whisper-large-v3-turbo (检查于 20 November 2026)
- OVHcloud AI Endpoints capabilities (检查于 20 November 2026)
- Cohere docs: rate limits (检查于 20 November 2026)