Каталог моделей

Показано 1–25 из 25 моделей

В каталоге

Транскрибация

AssemblyAI: Universal-3.5 Pro

assemblyai/universal-3-5-pro

Universal-3.5 Pro — это модель преобразования речи в текст от AssemblyAI, предоставляемая через Sync API, возвращающая полный транскрипт с временными метками на уровне слов в одном синхронном ответе для аудиоклипов продолжительностью до 120 секунд. Она принимает входные данные в формате 16-битного WAV и поддерживает свободный текстовый ввод, ключевые термины и контекст разговора для направления транскрипции в сторону терминологии конкретной области.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Deepgram: Nova-3

deepgram/nova-3

Модель распознавания речи общего назначения Deepgram Nova-3 с поддержкой монолингвальной и многоязычной транскрипции.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Fish Audio: Transcribe 1

fish-audio/transcribe-1

Transcribe 1 — это модель преобразования речи в текст от Fish Audio. Она подходит для транскрипции аудио с автоматическим определением языка и может возвращать временные метки на уровне слов, когда запрашиваются детали выравнивания.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Fish Audio: Transcribe 1 Pro

fish-audio/transcribe-1-pro

Transcribe 1 Pro — это модель преобразования речи в текст от Fish Audio, настроенная для интервью, встреч и подкастов. Она маркирует говорящих с помощью встроенных маркеров `speaker`, сохраняет эмоциональные и вокальные сигналы, такие как `[laughter]`, автоматически определяет язык и может возвращать сегменты на уровне слов с временными метками.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Google: Chirp 3

google/chirp-3

Chirp 3 — это последняя многоязычная модель распознавания речи от Google. Она обеспечивает повышенную точность транскрипции для 24 языков GA и более 77 языков в режиме предварительного просмотра, поддерживая автоматическое определение языка, автоматическую пунктуацию и встроенный шумоподавитель для более чистой обработки аудио.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Google: Gemini 3.5 Transcribe

google/gemini-3.5-transcribe

Gemini 3.5 Transcribe — это модель преобразования речи в текст от Google. Она подходит для синхронной транскрипции, требующей временных меток на уровне слов или разделения по говорящим, с поддержкой до восьми говорящих. Аудио может длиться до одного часа или 30 минут, если включены временные метки или разделение по говорящим.

Вход: Аудио

98 304
токенов контекста

В каталоге

Транскрибация

GPT-4O Transcribe with Diarization

openai/gpt-4o-transcribe-diarize

Характеристики и доступные операции — в карточке модели.

Вход: Уточняется

Ожидает подключения

В каталоге

Транскрибация

Meta: Muse Voice Transcribe 1.0

meta/muse-voice-transcribe-1.0

Muse Voice Transcribe 1.0 — это синхронная модель преобразования речи в текст от Meta. Она подходит для использования в режиме push-to-talk, с определением конечных точек и учётом особенностей говорящего, с возможностью смещения ключевых слов для терминов конкретной области и языкового смещения через подсказки с названием языка. Поддерживает монофонический 16-битный PCM WAV аудио с частотой 16 кГц или 24 кГц для записей длительностью до 10 минут. Модель не предоставляет временные метки на уровне слов или оценки уверенности, и другие аудиоформаты должны быть преобразованы в WAV перед загрузкой.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Microsoft AI: MAI-Transcribe 1.5

microsoft/mai-transcribe-1.5

MAI-Transcribe 1.5 — это модель быстрой транскрипции от Microsoft на базе Azure AI Speech. Она поддерживает более 100 локалей BCP-47 с автоматическим определением языка, автоматической пунктуацией и поминутной тарификацией на основе продолжительности. Использует API быстрой транскрипции Azure Speech (v2025-10-15).

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Microsoft AI: MAI-Transcribe 2

microsoft/mai-transcribe-2

MAI-Transcribe 2 — это многоязычная модель преобразования речи в текст от Microsoft AI, занимающая первое место в многоязычном рейтинге FLEURS. Она поддерживает 60 языков с автоматической идентификацией языка, переключением кода для смешанной речи, диаризацией говорящих, отметками времени на уровне слов, смещением ключевых слов для терминологии в конкретной области и настраиваемыми стилями дословной или чистой транскрипции. Она подходит для субтитров, транскрипции звонков, субтитрирования, доступности и других приложений с голосовым управлением, и работает быстрее, чем MAI-Transcribe-1.5 на длинных аудиозаписях.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Mistral: Voxtral Mini 3B 2507

mistralai/voxtral-mini-3b-2507

Voxtral Mini 3B 2507 — это модель для понимания речи и аудио от Mistral AI. Она подходит для транскрипции, перевода и компактной обработки аудио.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Mistral: Voxtral Mini Transcribe

mistralai/voxtral-mini-transcribe

Voxtral Mini Transcribe — это модель преобразования речи в текст от Mistral, созданная на основе семейства Voxtral Mini. Она принимает аудиовход и возвращает транскрибированный текст через стандартный API транскрипции. Подходит для транскрибирования встреч, голосовых заметок, подкастов и другого устного контента.

Вход: Аудио

16 384
токенов контекста

В каталоге

Транскрибация

Mistral: Voxtral Small 24B 2507 STT

mistralai/voxtral-small-24b-2507-stt

Voxtral Small 24B 2507 STT — это модель для транскрипции речи от Mistral AI. Она подходит для задач транскрипции, перевода и аудиоанализа, которые выигрывают от ее большей емкости модели.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

NVIDIA: Nemotron 3.5 ASR Streaming Multilingual 0.6B

nvidia/nemotron-3.5-asr-streaming-multilingual-0.6b

Nemotron 3.5 ASR Streaming Multilingual 0.6B — это модель распознавания речи от NVIDIA. Ее конструкция FastConformer-RNNT, учитывающая условия запроса и кэш, ориентирована на низкую задержку транскрипции более чем на 40 языках для создания субтитров в реальном времени, голосовых агентов и многоязычных транскрипционных конвейеров.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

NVIDIA: Parakeet TDT 0.6B v3

nvidia/parakeet-tdt-0.6b-v3

Parakeet TDT 0.6B v3 — это многоязычная модель преобразования речи в текст от NVIDIA с 600 миллионами параметров, построенная на архитектуре FastConformer-TDT. Обученная на наборе данных Granary (более 670,000 часов аудио), она поддерживает автоматическое определение языка для всех официальных языков ЕС и достигает среднего уровня ошибок в словах 6.34% на доске лидеров HuggingFace Open ASR. Возвращает транскрибированный текст с пунктуацией и временными метками сегментов.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

OpenAI: GPT-4o Mini Transcribe

openai/gpt-4o-mini-transcribe

GPT-4o Mini Transcribe — это более компактная и экономичная модель преобразования речи в текст от OpenAI, основанная на аудиовозможностях GPT-4o Mini. Она оценивается по количеству токенов (входных и выходных), что делает её подходящей для рабочих процессов с большим объёмом транскрипций, которые выигрывают от прозрачности биллинга на уровне токенов при более низкой стоимости.

Вход: Аудио

128 000
токенов контекста

В каталоге

Транскрибация

OpenAI: GPT-4o Transcribe

openai/gpt-4o-transcribe

GPT-4o Transcribe — это высококачественная модель преобразования речи в текст от OpenAI, основанная на аудиовозможностях GPT-4o. Ценообразование осуществляется за каждый токен (входной и выходной), что делает её подходящей для рабочих процессов, которым выгодна прозрачность биллинга на уровне токенов.

Вход: Аудио

128 000
токенов контекста

В каталоге

Транскрибация

OpenAI: GPT Transcribe

openai/gpt-transcribe

GPT Transcribe — это высокоточная модель преобразования речи в текст от OpenAI. Она подходит для записи аудио, транскрипции потоковых файлов и обработки в режиме реального времени, с поддержкой свободного контекста, подсказок по ключевым словам и многозначных языковых подсказок для специализированных терминов и многоязычной речи.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

OpenAI: Whisper 1

openai/whisper-1

Whisper — это модель автоматического распознавания речи с открытым исходным кодом от OpenAI, доступная через API как `whisper-1`. Она поддерживает транскрипцию и перевод более чем на 50 языков из аудиофайлов размером до 25 МБ. Принимает форматы, включая mp3, mp4, wav и webm. Стоимость рассчитывается за минуту длительности аудио, с округлением до ближайшей секунды.

Вход: Аудио

Ожидает подключения

Доступна в API

Транскрибация

OpenAI: Whisper Large V3

openai/whisper-large-v3

Whisper Large V3 — это модель автоматического распознавания речи с открытым исходным кодом от OpenAI, предлагающая как транскрипцию, так и перевод аудио. Она поддерживает более 99 языков и принимает распространенные аудиоформаты, включая mp3, mp4, wav, webm, flac и ogg. С 1,550 миллионами параметров она достигает уровня ошибок в словах 10,3% и хорошо подходит для многозадачной транскрипции в условиях шума. Поддерживает временные метки на уровне слов и сегментов.

Вход: Аудио

Операций в API: 1

В каталоге

Транскрибация

OpenAI: Whisper Large V3 Turbo

openai/whisper-large-v3-turbo

Whisper Large V3 Turbo — это оптимизированная версия модели распознавания речи Whisper Large V3 от OpenAI, разработанная для повышения скорости и экономической эффективности. Она поддерживает транскрипцию на более чем 99 языках с уровнем ошибок в словах 12% и принимает распространенные аудиоформаты, включая mp3, mp4, wav, webm, flac и ogg. Достигает скорости в реальном времени до 216 раз, что делает её подходящей для задач, чувствительных к задержкам, и для высокопроизводительных рабочих нагрузок по транскрипции.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Qwen: Qwen3 ASR 0.6B

qwen/qwen3-asr-0.6b

Qwen3 ASR 0.6B — это компактная модель автоматического распознавания речи от Qwen. Она поддерживает многоязычную идентификацию и транскрипцию на 30 языках и 22 китайских диалектах, с возможностью потокового и офлайн-распознавания, а также с отметками времени на уровне сегментов и слов.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Qwen: Qwen3 ASR 1.7B

qwen/qwen3-asr-1.7b

Qwen3 ASR 1.7B — это модель автоматического распознавания речи от Qwen. Она поддерживает идентификацию и транскрипцию на нескольких языках, охватывая 30 языков и 22 китайских диалекта, с возможностью потокового и офлайн-распознавания, а также отметками времени на уровне сегментов и слов.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

Qwen: Qwen3 ASR Flash

qwen/qwen3-asr-flash-2026-02-10

Qwen3-ASR-Flash — это служба автоматического распознавания речи от Alibaba, основанная на платформе Qwen3-Omni и обученная на десятках миллионов часов мультимодальных речевых данных. Модель поддерживает 11 языков — включая китайский (с кантонским, сычуаньским, миньнаньским и у диалектами), английский, арабский, французский, немецкий, испанский, итальянский, португальский, русский, японский и корейский — с автоматическим определением языка, так что ручная настройка не требуется для аудио с несколькими языками. Модель предназначена для сложных акустических условий: она транскрибирует тексты песен на фоне музыки, обрабатывает шумные и дальние записи, фильтрует тишину и неречевые звуки, а также принимает произвольный контекстный текст (имена, жаргон, терминология домена), чтобы склонить распознавание в сторону определенного словаря.

Вход: Аудио

Ожидает подключения

В каталоге

Транскрибация

SpaceXAI: Grok STT 1.0

x-ai/grok-stt-1.0

Grok STT — это модель преобразования речи в текст от xAI, доступная через REST /v1/stt endpoint. Она поддерживает транскрипцию с временными метками на уровне слов, необязательную диаризацию говорящих и многоканальное аудио.

Вход: Аудио

Ожидает подключения

Как работает каталог

Единый API

Используйте один клиентский ключ и публичный ID модели. Способ обращения указан в документации.

Прозрачная доступность

Каталог содержит и подключённые модели, и записи источников. Доступные операции и уровень проверки — в карточке.

Цены в рублях

Тарифы учитывают обычную наценку. Предварительная оценка по вашему ключу учитывает индивидуальные условия.

Подключите выбранную модель.

Изучите быстрый старт и методы API. Ключ и пополнение баланса предоставляет администратор.

Быстрый старт Методы API

Каталог моделей.

Выбор модели

Как работает каталог

Единый API

Прозрачная доступность

Цены в рублях

Подключите выбранную модель.