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"}'
sourceépushpara áudio vindo da sua aplicação ouurlpara um stream de áudio público, cujo endereço você também envia emurl.- 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 mesmasection_id.transcript.final: texto confirmado comsequencecontínuo.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.