Com o FlowModels, você transforma gravações em texto, por exemplo ligações, entrevistas ou notas de voz. Arquivos curtos voltam diretamente na resposta, e gravações longas de até oito horas são processadas em segundo plano. Se você quiser, alguns modelos entregam marcações de tempo. No momento, o FlowModels não oferece identificação de falantes.
Os modelos
| Modelo | Arquivo | Informações adicionais |
|---|---|---|
groq/whisper-large-v3-turbo |
sim | marcações de tempo |
groq/whisper-large-v3 |
sim | marcações de tempo |
openai/gpt-transcribe |
sim | apenas texto |
Use apenas modelos que aparecem na sua resposta de GET /v1/models. Lá, transcription traz os modos de operação e idiomas aceitos, e pricing.variants traz os preços por minuto.
Experimentar no Playground
Você também pode transcrever uma gravação de até 24 MB e dez minutos no dashboard, sem chave de API: na aba Áudio do Playground. A cobrança é feita no crédito FlowModels da sua equipe. O passo a passo está em Experimentar modelos no Playground.
Transcrever um arquivo
Envie o arquivo como multipart/form-data para POST /v1/audio/transcriptions:
curl https://api.flowmodels.one/v1/audio/transcriptions \
-H "Authorization: Bearer at_sua_chave" \
-H "Accept: application/json" \
-F "model=groq/whisper-large-v3-turbo" \
-F "language=pt" \
-F "file=@nota-de-voz.mp3"
O Content-Type com o boundary é definido pelo seu cliente HTTP. Um arquivo enviado antes por /files não pode ser usado aqui por file_id.
Sem outras indicações, a transcrição é síncrona. Isso vale para arquivos de até 24 MiB e dez minutos. A resposta vem com HTTP 200 e contém text, usage e expires_at.
Gravações longas em segundo plano
Para arquivos maiores, adicione também -F "background=true". Assim são possíveis arquivos de até 200 MiB e oito horas, e alguns modelos têm limites próprios menores. A API responde imediatamente com HTTP 202 e um ID de tarefa.
- Consulte a tarefa com
GET /v1/audio/transcriptions/{id}. statusfica primeiro comoqueuede depois comoprocessing.progressmostra o andamento entre 0 e 1.- Quando
statustiver o valorcompleted,cancelledoufailed, a tarefa terminou.
Com POST …/{id}/cancel, você cancela uma tarefa em andamento. Um trecho que já esteja sendo processado no provedor ainda é concluído e cobrado. Tarefas concluídas podem ser excluídas com DELETE …/{id}.
Marcações de tempo
As marcações de tempo vêm desativadas por padrão. Com timestamps=true, você as ativa, desde que o modelo tenha esse recurso. O resultado passa a conter segments com o início e o fim de cada trecho.
No momento, o FlowModels não oferece identificação de falantes. Nenhum modelo aceita diarize=true, e a API recusa essa opção.
Se uma opção ou um código de idioma não for compatível com o modelo, a API recusa a requisição com HTTP 422, antes de gerar qualquer custo no provedor.
Quanto custa uma transcrição
As transcrições são cobradas por minuto, e o preço depende do modelo e das opções adicionais. Antes do primeiro trecho, reservamos o custo total estimado. Silêncio também pode custar: a Groq cobra no mínimo dez segundos por chamada e por trecho de arquivo. O valor efetivamente cobrado aparece em usage.cost.
Retenção
Os resultados prontos ficam disponíveis por 24 horas depois da conclusão, e expires_at informa o momento exato. O arquivo de áudio enviado é excluído depois da conclusão, do cancelamento ou de um erro.
Transcrição ao vivo
Para conversas em andamento, há também sessões ao vivo por WebSocket, assim que modelos ao vivo aparecerem na sua lista de modelos, veja Usar a transcrição ao vivo.
Quando algo não funciona
503 audio_disabled: a transcrição não está disponível no momento.503 audio_model_unavailableou503 audio_pricing_unavailable: no momento não há acesso ou preço para o modelo. Use outro modelo ou tente mais tarde.422: arquivo grande ou longo demais para o modo síncrono, ou uma opção incompatível com o modelo. Definabackground=trueou verifique as opções.- Tarefa
failed, mas com texto: em caso de erro ou cancelamento, a tarefa pode conter resultados parciais já confirmados.