Audio

Whisper — mowa na tekst

Prześlij nagranie mowy i pobierz transkrypcję. Darmowa zamiana mowy na tekst na podłączonych urządzeniach.

Whisper by OpenAI; ONNX conversion by ONNX Community

Licencje modelu

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.

Dołączona licencja

Informacja prawna

BezpłatnieOnlineBez limituWhisper by OpenAI; ONNX conversion by ONNX Community Dostęp przez API

Dokumentacja API

Przesyłaj przez REST

Użyj swojego osobistego klucza API (msk_…), aby tworzyć zadania dla tego obciążenia z własnych narzędzi. Zadania uruchamiane w ten sposób działają na tych samych urządzeniach, które podłączyłeś(-aś) w sekcji Twoje urządzenia — co najmniej jedno musi być online.

Ukryj szczegóły API
POSThttps://cp.meshlabs.cloud/v1/organizations/jobs

Uwierzytelnij się za pomocą X-Organization-Api-Key: msk_your_personal_api_key. Nazwa nagłówka jest taka sama jak dla kluczy organizacji; klucze osobiste używają tego samego punktu końcowego.

Pliki wejściowe:Wywołaj POST https://cp.meshlabs.cloud/v1/organizations/job-inputs/presign z tym samym kluczem API, prześlij plik pod zwrócony upload_url, a następnie przekaż download_url w job_spec (na przykład jako input_image_url).

Treść żądania

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

Pola: job_spec

PoleWymaganeDomyślnieOpis
input_audio_urlTak—Audio do transkrypcji. Długie klipy są dzielone na okna po 30 s.
languageNieenKod języka Whisper. Domyślnie angielski.
taskNietranscribeTranskrypcja w języku źródłowym lub tłumaczenie na angielski.
duration_secondsNie—Wypełniane na podstawie sondy pliku, aby serwer mógł rozdzielić okna po 30 s.
chunk_secondsNie30Stała okna zadania. Ograniczona do 30-sekundowego enkodera 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}

Odpytuj z tym samym kluczem API, aż status osiągnie stan końcowy (COMPLETED, FAILED, CANCELED lub MODERATION_BLOCKED). Gdy włączona jest moderacja treści, zadania mogą zaczynać się w stanie MODERATION_PENDING, zanim trafią do kolejki obliczeń. Ukończone zadania zawierają wstępnie podpisane wartości download_url przy każdym wyniku.

Odpowiedź na utworzenie

{
  "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"
}

Odpowiedź po ukończeniu

{
  "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>"
}

Prześlij nagranie i uzyskaj transkrypcję z Whisper. Długie nagrania są dzielone na fragmenty po około 30 sekund i łączone w jedną transkrypcję. Darmowa zamiana mowy na tekst na podłączonych urządzeniach. Model ma licencję Apache-2.0. Pierwsze uruchomienie go pobiera; kolejne pliki startują szybciej.