OpenAI · گفتار به متن
Whisper مدل شناخته‌شده‌ی OpenAI برای تبدیل گفتار به متن است که از ده‌ها زبان از جمله فارسی پشتیبانی می‌کند. خروجی زیرنویس SRT و VTT می‌دهد و ابزارهای زیادی به‌طور پیش‌فرض با آن کار می‌کنند.
برآورد بر اساس میانگین توکن هر کار. عدد دقیق را در لاگ داشبورد می‌بینید.
یک پیام صوتی یک‌دقیقه‌ای
حدوداً ۱٬۷۷۰ تومان
یک جلسه‌ی ۳۰ دقیقه‌ای
حدوداً ۵۳٬۱۰۰ تومان
یک ساعت پادکست
حدوداً ۱۰۶٬۲۰۰ تومان
کیفیت فارسی
۳ از ۵ (خوب)
هوش
۳ از ۵ (خوب)
سرعت
۴ از ۵ (خیلی خوب)
امتیازها ارزیابی داخلی تیم هوشواناست و با داده‌ی شما ممکن است متفاوت باشد.
کلید را از داشبورد بسازید و در متغیر محیطی HOOSHVANA_API_KEY بگذارید. راهنمای شروع سریع
curl https://hooshvana.ir/api/v1/audio/transcriptions \
-H "Authorization: Bearer $HOOSHVANA_API_KEY" \
-F model="openai/whisper-1" \
-F language="fa" \
-F file="@voice.mp3"openai/gpt-transcribe
GPT Transcribe جدیدترین مدل تبدیل گفتار به متن OpenAI است که فایل صوتی را با دقت بالا به متن تبدیل می‌کند. نسبت به Whisper ارزان‌تر است و در لهجه‌ها و صدای پس‌زمینه عملکرد بهتری دارد.
openai/gpt-4o-mini-transcribe
GPT-4o Mini Transcribe مدل اقتصادی OpenAI برای تبدیل گفتار به متن است. با نصف قیمت Whisper، برای حجم بالای فایل صوتی که دقت متوسط کافی است انتخاب مناسبی است.