Speech-to-Text-Modelle

Venice-Speech-to-Text-Modelle transkribieren Audio mehrsprachig mit Zeitstempeln über den OpenAI-kompatiblen /audio/transcriptions-Endpoint.

Loading models…

---

​

Verwendung

Speech-to-Text-Modelle transkribieren gesprochenes Audio in geschriebenen Text. Sie werden über die Audio-Transcriptions-API aufgerufen.

​

Unterstützte Audioformate

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

​

Antwortformate

Format	Beschreibung
json	Standard. Gibt { "text": "..." } zurück.
text	Reiner transkribierter Text.
srt	SubRip-Untertitelformat mit Zeitstempeln.
vtt	WebVTT-Untertitelformat mit Zeitstempeln.
verbose_json	Vollständige Antwort mit Zeitstempeln auf Segmentebene und Metadaten.

Die Abrechnung erfolgt pro Sekunde Eingabe-Audio. Anfrage-Beispiele und Parameterdetails finden Sie in der Audio-Transcriptions-API.