Audio

Voz a texto Whisper

Suba una grabación de voz y descargue una transcripción. Voz a texto gratis en los dispositivos que conecte.

Whisper by OpenAI; ONNX conversion by ONNX Community

Licencias del modelo

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.

Licencia incluida

Aviso

GratisEn líneaSin límitesWhisper by OpenAI; ONNX conversion by ONNX Community Acceso a la API

Referencia de la API

Enviar mediante REST

Use su clave de API personal (msk_…) para crear trabajos de esta carga de trabajo desde sus propias herramientas. Los trabajos iniciados así se ejecutan en los mismos dispositivos que conectó en Sus dispositivos: al menos uno tiene que estar en línea.

Ocultar detalles de la API
POSThttps://cp.meshlabs.cloud/v1/organizations/jobs

Autentíquese con X-Organization-Api-Key: msk_your_personal_api_key. El nombre del encabezado coincide con el de las claves de organización; las claves personales usan el mismo endpoint.

Archivos de entrada:Llame a POST https://cp.meshlabs.cloud/v1/organizations/job-inputs/presign con la misma clave de API, suba su archivo a la upload_url devuelta y luego pase download_url en job_spec (por ejemplo, como input_image_url).

Cuerpo de la solicitud

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

Campos de job_spec

CampoObligatorioPredeterminadoDescripción
input_audio_urlSí—Audio que se va a transcribir. Los clips largos se dividen en ventanas de 30 s.
languageNoenCódigo de idioma de Whisper. Por defecto, inglés.
taskNotranscribeTranscribir en el idioma de origen o traducir al inglés.
duration_secondsNo—Se rellena a partir del análisis del archivo para que el servidor pueda repartir ventanas de 30 s.
chunk_secondsNo30Ventana constante de la carga de trabajo. Limitada al codificador de 30 s de 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}

Consulte periódicamente con la misma clave de API hasta que status sea final (COMPLETED, FAILED, CANCELED o MODERATION_BLOCKED). Cuando la moderación de contenido está habilitada, los trabajos pueden empezar en MODERATION_PENDING antes de entrar en la cola de cómputo. Los trabajos completados incluyen valores download_url prefirmados en cada salida.

Respuesta de creación

{
  "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"
}

Respuesta de trabajo completado

{
  "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>"
}

Suba audio y obtenga una transcripción de Whisper. Las grabaciones largas se dividen en fragmentos de unos 30 segundos y se unen en una sola transcripción. Voz a texto gratis en los dispositivos que conecte. El modelo es Apache-2.0. La primera ejecución lo descarga; los siguientes archivos empiezan más rápido.