stepaudio-2.5-asr
Bersama stepaudio-2-asr-pro. stepaudio-2.5-asr jauh paling murah di endpoint ini; varian pro berbiaya sekitar lima belas kali lipat dan hanya sepadan bila akurasi pada audio sulit memang penting.
Suara ke teks
/
Tidak ada yang cocok. Coba nama protokol, kemampuan, atau path endpoint.
POST /v1/audio/transcriptions menerima multipart/form-data, bukan JSON: kirim model sebagai field formulir dan rekamannya sebagai bagian berkas bernama file. Balasannya {"text": "…"}. POST /v1/audio/translations berbentuk sama dan mengembalikan bahasa Inggris. Berbeda dari endpoint video, yang ini sinkron, jadi rekaman panjang menahan koneksi tetap terbuka sampai selesai.
POST /v1/audio/transcriptions
curl https://api.chinaapi.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $CHINAAPI_KEY" \
-F model=stepaudio-2.5-asr \
-F file=@speech.mp3
# {"text":" China api text to speech verification."}stepaudio-2.5-asr-stream
Model ini dibuat untuk pengenalan streaming, tetapi endpoint ini tidak men-stream keluarannya: unggah rekaman lengkap berformat wav (PCM 16-bit) atau ogg, dan seluruh transkrip dikembalikan dalam satu respons, sama seperti model lainnya. Biaya per menitnya lebih tinggi daripada padanan non-streaming-nya.
qwen3-asr-flash
qwen3-asr-flash mendukung transkripsi multibahasa. mimo-v2.5-asr disesuaikan untuk dialek Tionghoa.
Tips
Penagihan menghitung panjang audio yang Anda unggah, seribu token per menit, dan durasinya dibulatkan ke atas ke detik penuh sebelum konversi itu — jadi klip lima detik ditagih 83 token, dan apa pun yang kurang dari satu detik tetap ditagih seolah satu detik. Transkripnya sendiri gratis. Biayanya karena itu mengikuti panjang rekaman dan bukan seberapa banyak ucapan di dalamnya, sehingga memangkas keheningan itu sepadan.