VoiceKIT-STT

нейросеть

Бип-буп пишем текста для вас...
pc1pc2pc3pc4

Характеристики

Входные данные
аудио
Результат
текст
1 194 078,95 ₽

Стоимость промпта

(за 1M токенов)

*Указаны цены при использовании API через ECO-провайдеров.
bothub
BotHub: Попробуйте нейросети бесплатноbot

Осталось Caps: 0 CAPS
Пример кода и API для VoiceKIT-STTМы предлагаем полный доступ к API OpenAI через наш сервис. Все наши конечные точки полностью соответствуют конечным точкам OpenAI, их можно использовать как с плагинами, так и при разработке собственного программного обеспечения через SDK.Создать API ключ
import OpenAI from 'openai';
const openai = new OpenAI({
  apiKey: '<your bothub access token>',
  baseURL: 'https://openai.bothub.chat/v1'
});
import fs from 'fs';

async function main() {
  const { text } = await openai.audio.transcriptions.create({
    file: fs.createReadStream('/path/to/file.mp3'),
    model: 'tbank-voicekit-stt',
  });

  console.log(text);
}
main();

Как работает VoiceKIT-STT?

Ботхабчики собирают информацию...empty

Частые вопросы о VoiceKIT-STT

Вы можете использовать результаты генерации в коммерческих целях. Все права на созданный контент принадлежат вам. Единственное ограничение: убедитесь, что в запросе не использовались защищённые авторским правом материалы третьих сторон. Ответственность за соблюдение прав на входные данные лежит на пользователе.

VoiceKIT‑STT преобразует аудио в текст, включая работу с большими аудиофайлами. Подходит для транскрибации встреч и интервью, протоколирования, создания субтитров и обработки подкастов. Удобен там, где нужно получить текстовую версию длительных записей.

Модель может генерировать текст в пределах своей максимальной длины вывода — указано число выходных токенов. На итоговый объём влияет длина входного контекста и самого аудиофайла: чем длиннее вход, тем меньше остаётся места для вывода.

В наших данных не отмечено наличие режима явных рассуждений перед выводом; модель сконцентрирована на преобразовании аудио в текст. Если нужен аналитический вывод или пояснения, лучше комбинировать транскрипт с отдельной моделью, которая умеет строить рассуждения.

В наших данных не отмечено встроенной поддержки вызова функций или гарантированного структурированного JSON‑вывода. Для получения структурированных результатов можно постобрабатывать транскрипт на стороне приложения или уточнить в документации BotHub, как организовать такой вывод через API.

В данных указано, что модель принимает аудио на вход, то есть работает с голосовыми файлами и потоками. Про приём изображений и видео в наших данных не отмечено; при необходимости можно извлечь аудиодорожку из видео и загрузить её в модель.

В наших данных нет точных метрик по качеству распознавания русского языка. Реальная точность зависит от качества записи, фонового шума и дикции говорящих. Рекомендуем протестировать модель на ваших аудиозаписях через BotHub, чтобы оценить точность в конкретных условиях.

Служба поддержкиРаботаем с 10:00 до 18:00 по МСК