Ήχος

Whisper Ομιλία σε Κείμενο

Ανεβάστε ομιλία και κατεβάστε μια απομαγνητοφώνηση. Δωρεάν ομιλία σε κείμενο στις συσκευές που συνδέετε.

Whisper by OpenAI; ONNX conversion by ONNX Community

Άδειες μοντέλου

whisper-large-v3-turbo pinned ONNX checkpoint and associated assets · MIT

Retain licence, copyright and publisher attribution notices; no trademark endorsement. Publisher model-card cautions are preserved in the distributed notice.

Συνοδευτική άδεια

Γνωστοποίηση

ΔωρεάνOnlineΧωρίς όριαWhisper by OpenAI; ONNX conversion by ONNX Community Πρόσβαση API

Αναφορά API

Υποβολή μέσω REST

Χρησιμοποιήστε το προσωπικό σας κλειδί API (msk_…) για να δημιουργείτε εργασίες για αυτόν τον φόρτο εργασίας από τα δικά σας εργαλεία. Οι εργασίες που ξεκινούν με αυτόν τον τρόπο εκτελούνται στις ίδιες συσκευές που συνδέσατε στη σελίδα Οι συσκευές σας — τουλάχιστον μία πρέπει να είναι online.

Απόκρυψη λεπτομερειών API
POSThttps://cp.meshlabs.cloud/v1/organizations/jobs

Έλεγχος ταυτότητας με X-Organization-Api-Key: msk_your_personal_api_key. Το όνομα της κεφαλίδας είναι ίδιο με των κλειδιών οργανισμού· τα προσωπικά κλειδιά χρησιμοποιούν το ίδιο τελικό σημείο.

Αρχεία εισόδου:Καλέστε το POST https://cp.meshlabs.cloud/v1/organizations/job-inputs/presign με το ίδιο κλειδί API, μεταφορτώστε το αρχείο σας στο upload_url που επιστρέφεται και μετά περάστε το download_url στο job_spec (για παράδειγμα ως input_image_url).

Σώμα αιτήματος

{
  "workload_type": "whisper-large-v3-turbo",
  "job_spec": {
    "input_audio_url": "https://…/your-input.png",
    "language": "en",
    "task": "transcribe",
    "chunk_seconds": 30
  }
}

Πεδία του job_spec

ΠεδίοΥποχρεωτικόΠροεπιλογήΠεριγραφή
input_audio_urlΝαι—Ήχος προς απομαγνητοφώνηση. Τα μεγάλα κλιπ χωρίζονται σε παράθυρα 30 s.
languageΌχιenΚωδικός γλώσσας Whisper. Προεπιλογή: αγγλικά.
taskΌχιtranscribeΑπομαγνητοφώνηση στη γλώσσα πηγής ή μετάφραση στα αγγλικά.
duration_secondsΌχι—Συμπληρώνεται από την ανίχνευση του αρχείου, ώστε ο διακομιστής να μοιράσει παράθυρα 30 s.
chunk_secondsΌχι30Σταθερά του workload για το παράθυρο. Περιορίζεται στον κωδικοποιητή 30 s του Whisper.

cURL

curl -X POST https://cp.meshlabs.cloud/v1/organizations/jobs \
  -H "X-Organization-Api-Key: msk_your_personal_api_key" \
  -H "Content-Type: application/json" \
  -d '{
  "workload_type": "whisper-large-v3-turbo",
  "job_spec": {
    "input_audio_url": "https://…/your-input.png",
    "language": "en",
    "task": "transcribe",
    "chunk_seconds": 30
  }
}'
GEThttps://cp.meshlabs.cloud/v1/organizations/jobs/{job_id}

Κάντε poll με το ίδιο κλειδί API μέχρι το status να γίνει τελικό (COMPLETED, FAILED, CANCELED ή MODERATION_BLOCKED). Όταν η εποπτεία περιεχομένου είναι ενεργή, οι εργασίες μπορεί να ξεκινούν σε MODERATION_PENDING πριν μπουν στην ουρά υπολογισμού. Οι ολοκληρωμένες εργασίες περιλαμβάνουν προϋπογεγραμμένες τιμές download_url σε κάθε έξοδο.

Απόκριση δημιουργίας

{
  "id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
  "workload_type": "whisper-large-v3-turbo",
  "status": "PENDING",
  "job_spec_json": {
    "input_audio_url": "https://…/your-input.png",
    "language": "en",
    "task": "transcribe",
    "chunk_seconds": 30
  },
  "work_units": [],
  "outputs": [],
  "created_at": "2026-06-08T12:00:00Z",
  "updated_at": "2026-06-08T12:00:00Z"
}

Απόκριση ολοκλήρωσης

{
  "id": "3fa85f64-5717-4562-b3fc-2c963f66afa6",
  "workload_type": "whisper-large-v3-turbo",
  "status": "COMPLETED",
  "job_spec_json": {
    "input_audio_url": "https://…/your-input.png",
    "language": "en",
    "task": "transcribe",
    "chunk_seconds": 30
  },
  "work_units": [
    {
      "id": "…",
      "index": 0,
      "status": "COMPLETED"
    }
  ],
  "outputs": [
    {
      "id": "…",
      "output_type": "<output type>",
      "filename": "<output filename>",
      "size_bytes": 524288,
      "download_url": "<presigned output download URL>"
    }
  ],
  "created_at": "2026-06-08T12:00:00Z",
  "updated_at": "<completion timestamp>"
}

Ανεβάστε ήχο και λάβετε μια απομαγνητοφώνηση από το Whisper. Οι μεγάλες ηχογραφήσεις χωρίζονται σε τμήματα των περίπου 30 δευτερολέπτων και ενώνονται σε μία απομαγνητοφώνηση. Δωρεάν ομιλία σε κείμενο στις συσκευές που συνδέετε. Το μοντέλο είναι Apache-2.0. Την πρώτη φορά γίνεται λήψη του· τα επόμενα αρχεία ξεκινούν πιο γρήγορα.