FlowModels

Transcrição ao vivo: áudio em tempo real por WebSocket

Publicado em 11. novembro 2026

Para conversas em andamento ou transmissões ao vivo, você pode transcrever áudio em tempo real. Para isso, abra uma sessão pela API e depois conecte por WebSocket. Para gravações prontas, use a transcrição de arquivos, veja Transcrever arquivos de áudio.

A transcrição ao vivo está disponível?

A transcrição ao vivo só está disponível quando GET /v1/models inclui um modelo de áudio com o modo de operação live em transcription. Se a sua lista não tiver um modelo assim, a transcrição ao vivo não pode ser usada por você no momento. A transcrição de arquivos continua funcionando de forma independente.

Os preços por minuto aparecem em cada modelo, em pricing.variants.

Iniciar uma sessão

curl https://api.flowmodels.one/v1/audio/transcription-sessions \
  -H "Authorization: Bearer $FLOWMODELS_API_KEY" \
  -H "Content-Type: application/json" \
  -H "Idempotency-Key: conversa-2026-1042" \
  -d '{"model": "openai/gpt-live-transcribe", "source": "push", "language": "pt"}'
  • source é push para áudio vindo da sua aplicação ou url para um stream de áudio público, cujo endereço você também envia em url.
  • Por padrão, a sessão dura no máximo duas horas, e com max_seconds, até oito horas.
  • Cada equipe pode ter no máximo três sessões ao mesmo tempo.

A resposta contém id, websocket_url, ticket e ticket_expires_at. O ticket vale por 60 segundos e é consumido ao conectar. Ele não vai no endereço: você o envia como subprotocolo WebSocket flowai-ticket.TICKET. Nunca envie sua chave de API pelo WebSocket.

Enviar áudio

Com source: "push", você envia frames binários em PCM16 little-endian, mono, 24 kHz, na velocidade de reprodução e com no máximo 48.000 bytes por frame. Com source: "url", o servidor busca o áudio sozinho e você só recebe eventos. Destinos de rede privada, endereços com credenciais e playlists em formato HLS não são permitidos.

{"type": "session.stop"} encerra a gravação. Depois disso, os resultados pendentes ainda são processados.

Receber resultados

Pelo WebSocket chegam, entre outros, estes eventos:

  • transcript.partial: resultado intermediário. Substitua o rascunho anterior da mesma section_id.
  • transcript.final: texto confirmado com sequence contínuo.
  • connection.interrupted: a conexão com o provedor foi interrompida.
  • usage: consumo até o momento.

Guarde o último número de sequência confirmado. Se a conexão cair, com source: "push" você pode se reconectar em até 30 segundos com um novo ticket, obtido por POST /v1/audio/transcription-sessions/{id}/connection-ticket. Os trechos perdidos podem ser lidos com GET /v1/audio/transcription-sessions/{id}?after_sequence=N.

Custo e retenção

As sessões ao vivo são cobradas por minuto. O preço depende do modelo e das opções adicionais, e silêncio também pode gerar custo. Antes do início, reservamos inicialmente 60 segundos e ampliamos a reserva continuamente enquanto o áudio é transmitido. Saldo, bloqueios de chave e limites da equipe também valem durante a sessão. O valor efetivamente cobrado aparece em usage.cost.

Os resultados prontos ficam disponíveis por 24 horas depois da conclusão. Com DELETE /v1/audio/transcription-sessions/{id}, você exclui uma sessão concluída.

Todos os campos e o exemplo completo do fluxo estão na documentação em flowmodels.one/pt/docs.

Este artigo foi útil?

Voltar para Modelos, limites e erros