Mit FlowModels wandelst du Aufnahmen in Text um, zum Beispiel Telefonate, Interviews oder Sprachnotizen. Kurze Dateien bekommst du direkt zurück, lange Aufnahmen bis acht Stunden verarbeiten wir im Hintergrund. Auf Wunsch liefern manche Modelle Zeitstempel. Eine Zuordnung der Sprecher bietet FlowModels derzeit nicht an.
Die Modelle
| Modell | Datei | Zusatzinformationen |
|---|---|---|
groq/whisper-large-v3-turbo |
ja | Zeitstempel |
groq/whisper-large-v3 |
ja | Zeitstempel |
openai/gpt-transcribe |
ja | nur Text |
Verwende nur Modelle, die in deiner Antwort von GET /v1/models auftauchen. Dort stehen unter transcription die unterstützten Betriebsarten und Sprachen, und unter pricing.variants die Preise je Minute.
Im Playground ausprobieren
Eine Aufnahme bis 24 MB und zehn Minuten kannst du auch ohne API-Schlüssel im Dashboard transkribieren: im Reiter Audio des Playgrounds. Abgerechnet wird über das FlowModels-Guthaben deines Teams. Wie das Schritt für Schritt geht, steht in Modelle im Playground ausprobieren.
Eine Datei transkribieren
Schick die Datei als multipart/form-data an POST /v1/audio/transcriptions:
curl https://api.flowmodels.one/v1/audio/transcriptions \
-H "Authorization: Bearer at_dein_schluessel" \
-H "Accept: application/json" \
-F "model=groq/whisper-large-v3-turbo" \
-F "language=de" \
-F "file=@sprachnotiz.mp3"
Den Content-Type mit der Boundary setzt dein HTTP-Client selbst. Eine vorher über /files hochgeladene Datei kannst du hier nicht per file_id verwenden.
Ohne weitere Angabe läuft die Transkription synchron. Das geht für Dateien bis 24 MiB und zehn Minuten. Die Antwort kommt mit HTTP 200 und enthält text, usage und expires_at.
Lange Aufnahmen im Hintergrund
Für größere Dateien setzt du zusätzlich -F "background=true". Dann sind Dateien bis 200 MiB und acht Stunden möglich, die Modelle haben teilweise eigene, kleinere Grenzen. Die API antwortet sofort mit HTTP 202 und einer Auftrags-ID.
- Frage den Auftrag mit
GET /v1/audio/transcriptions/{id}ab. statussteht zuerst aufqueued, dann aufprocessing.progresszeigt den Fortschritt zwischen 0 und 1.- Sobald
statusden Wertcompleted,cancelledoderfailedhat, ist der Auftrag beendet.
Mit POST …/{id}/cancel brichst du einen laufenden Auftrag ab. Ein bereits laufender Abschnitt beim Anbieter wird noch fertig verarbeitet und berechnet. Abgeschlossene Aufträge löschst du mit DELETE …/{id}.
Zeitstempel
Zeitstempel sind standardmäßig aus. Mit timestamps=true schaltest du sie ein, sofern das Modell es kann. Das Ergebnis enthält dann segments mit Anfang und Ende jedes Abschnitts.
Sprecherkennungen bietet FlowModels derzeit nicht an. Kein Modell unterstützt diarize=true, die API lehnt diese Option ab.
Passt eine Option oder ein Sprachcode nicht zum Modell, lehnt die API die Anfrage mit HTTP 422 ab, bevor beim Anbieter Kosten entstehen.
Was eine Transkription kostet
Transkriptionen werden nach Minuten berechnet, der Preis hängt von Modell und Zusatzoptionen ab. Vor dem ersten Abschnitt reservieren wir die geschätzten Gesamtkosten. Auch Stille kann kosten. Groq berechnet je Aufruf und je Dateiabschnitt mindestens zehn Sekunden. Was tatsächlich berechnet wurde, steht in usage.cost.
Aufbewahrung
Fertige Ergebnisse kannst du 24 Stunden nach Abschluss abrufen, expires_at nennt den genauen Zeitpunkt. Deine hochgeladene Audiodatei löschen wir nach Abschluss, Abbruch oder Fehler.
Live-Transkription
Für laufende Gespräche gibt es zusätzlich Live-Sitzungen über WebSocket, sobald Live-Modelle in deiner Modellliste stehen, siehe Live-Transkription nutzen.
Wenn etwas nicht klappt
503 audio_disabled: Die Transkription ist gerade nicht verfügbar.503 audio_model_unavailableoder503 audio_pricing_unavailable: Für das Modell gibt es gerade keinen Zugang oder keinen Preis. Nimm ein anderes Modell oder versuche es später.422: Datei zu groß oder zu lang für den synchronen Weg, oder eine Option passt nicht zum Modell. Setzebackground=trueoder prüfe die Optionen.- Auftrag
failed, aber Text vorhanden: Bei Fehler oder Abbruch können bereits bestätigte Teilergebnisse im Auftrag stehen.