Распознавание речи API

AITUNNEL предоставляет единый API распознавания речи (Speech-to-Text) с доступом к лучшим моделям индустрии: OpenAI Whisper, GPT-4o Transcribe, Mistral Voxtral, Qwen3-ASR Flash и Google Chirp 3. Один эндпоинт, оплата в рублях, без VPN.

Доступные модели:

• whisper-1 — классическая модель OpenAI, ~50 языков, поддержка перевода
• whisper-large-v3 — open-source Whisper Large V3, 99+ языков, дешевле в разы
• whisper-large-v3-turbo — ускоренная версия Whisper Large V3
• gpt-4o-transcribe — высокоточная модель OpenAI на базе GPT-4o (per-token billing)
• gpt-4o-mini-transcribe — экономичная версия GPT-4o Transcribe
• gpt-4o-transcribe-diarize — с автоматическим определением говорящих (diarization)
• voxtral-mini-transcribe — Mistral Voxtral Mini, оптимизирована для европейских языков
• qwen3-asr-flash — Qwen3 ASR Flash от Alibaba, лидер по цене
• chirp-3 — Google Chirp 3, 100+ языков и диалектов

Возможности:

• Транскрипция аудио в текст (WAV, MP3, FLAC, M4A, OGG, WebM, AAC и др.)
• Поддержка до 99+ языков с автоопределением
• Высокая точность на русском языке
• Diarization — разделение по спикерам (gpt-4o-transcribe-diarize)
• Перевод на английский (Whisper-семейство)
• Подсказка языка через параметр language (ISO-639-1)
• Прозрачная стоимость в рублях за каждый запрос

Применение:

• Создание субтитров к видео и подкастам
• Транскрипция интервью, совещаний и созвонов
• Голосовые помощники и voice-to-text в продуктах
• Протоколирование и поиск по аудиоархивам
• Анализ колл-центров и контроль качества звонков