Speech-to-Text 모델

다국어 지원, 타임스탬프, OpenAI 호환 /audio/transcriptions 엔드포인트로 오디오를 텍스트로 전사하는 Venice speech-to-text 모델 — Whisper Large V3, ElevenLabs Scribe 등 초당 가격을 비교하세요.

API 요청에서 id 값을 model 매개변수로 사용하세요. 현재 5개의 모델을 사용할 수 있습니다.

Model	ID	Per audio second	Privacy
ElevenLabs Scribe V2	elevenlabs/scribe-v2	$0.0002	Anonymized
Parakeet ASR	nvidia/parakeet-tdt-0.6b-v3	$0.0001	Private
Whisper Large V3	openai/whisper-large-v3	$0.0001	Private
Wizper (Whisper v3)	fal-ai/wizper	$0.0001	Private
xAI Speech to Text v1	stt-xai-v1	$0.0000	Anonymized

---

​

사용법

Speech-to-text 모델은 음성 오디오를 텍스트로 전사합니다. Audio Transcriptions API를 통해 액세스할 수 있습니다.

​

지원되는 오디오 형식

mp3, mp4, mpeg, mpga, m4a, wav, webm, flac, ogg

​

응답 형식

형식	설명
json	기본값. { "text": "..." }를 반환합니다.
text	일반 전사 텍스트.
srt	타임스탬프가 포함된 SubRip 자막 형식.
vtt	타임스탬프가 포함된 WebVTT 자막 형식.
verbose_json	세그먼트 수준 타임스탬프와 메타데이터가 포함된 전체 응답.

가격은 입력 오디오의 초당 청구됩니다. 요청 예제와 매개변수 세부 정보는 Audio Transcriptions API를 참조하세요.