Speech-to-Text Models | Venice API Docs

Usa il valore id come parametro model nelle richieste API. 5 modelli attualmente disponibili.

Modello	ID	Per secondo audio	Privacy
ElevenLabs Scribe V2	`elevenlabs/scribe-v2`	$0.0002	Anonymized
Parakeet ASR	`nvidia/parakeet-tdt-0.6b-v3`	$0.0001	Private
Whisper Large V3	`openai/whisper-large-v3`	$0.0001	Private
Wizper (Whisper v3)	`fal-ai/wizper`	$0.0001	Private
xAI Speech to Text v1	`stt-xai-v1`	$0.0000	Anonymized

Utilizzo

I modelli speech-to-text trascrivono l’audio parlato in testo scritto. Si accede tramite l’API Audio Transcriptions.

mp3, mp4, mpeg, mpga, m4a, wav, webm, flac, ogg

Formato	Descrizione
`json`	Predefinito. Restituisce `{ "text": "..." }`.
`text`	Testo trascritto in chiaro.
`srt`	Formato sottotitoli SubRip con timestamp.
`vtt`	Formato sottotitoli WebVTT con timestamp.
`verbose_json`	Risposta completa con timestamp a livello di segmento e metadati.

I prezzi sono fatturati per secondo di audio in input. Consulta l’API Audio Transcriptions per esempi di richiesta e dettagli sui parametri.

⌘I