Speech-to-Text

Trascrivi file audio in testo con i modelli speech-to-text di Venice utilizzando l’endpoint /audio/transcriptions compatibile con OpenAI e upload multipart.

Lo speech-to-text trascrive l’audio parlato in testo scritto. Invia un file audio a /audio/transcriptions, scegli un modello di trascrizione e seleziona il formato di risposta desiderato.

​

Utilizzo di Base

Python

import os

import requests

with open("meeting.mp3", "rb") as audio:
    response = requests.post(
        "https://api.venice.ai/api/v1/audio/transcriptions",
        headers={"Authorization": f"Bearer {os.environ['VENICE_API_KEY']}"},
        files={"file": audio},
        data={
            "model": "nvidia/parakeet-tdt-0.6b-v3",
            "response_format": "json",
        },
    )

response.raise_for_status()
print(response.json()["text"])

import { createReadStream } from "node:fs";
import FormData from "form-data";

const form = new FormData();
form.append("file", createReadStream("meeting.mp3"));
form.append("model", "nvidia/parakeet-tdt-0.6b-v3");
form.append("response_format", "json");

const response = await fetch("https://api.venice.ai/api/v1/audio/transcriptions", {
  method: "POST",
  headers: {
    Authorization: `Bearer ${process.env.VENICE_API_KEY}`,
    ...form.getHeaders(),
  },
  body: form,
});

if (!response.ok) {
  throw new Error(await response.text());
}

const transcript = await response.json();
console.log(transcript.text);

curl https://api.venice.ai/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $VENICE_API_KEY" \
  --form file=@meeting.mp3 \
  --form model=nvidia/parakeet-tdt-0.6b-v3 \
  --form response_format=json

​

Input Supportati

I formati audio comuni includono mp3, mp4, mpeg, mpga, m4a, wav, webm, flac e ogg. Consulta la pagina Modelli Speech-to-Text per il supporto dei modelli e i prezzi aggiornati.

​

Formati di Risposta

Formato	Da usare quando
json	Vuoi una risposta semplice del tipo { "text": "..." }.
text	Vuoi testo semplice senza fare parsing di JSON.
srt	Hai bisogno di sottotitoli SubRip.
vtt	Hai bisogno di sottotitoli WebVTT.
verbose_json	Hai bisogno di timestamp più ricchi e metadati sui segmenti.

Usa i formati per sottotitoli quando la trascrizione verrà abbinata a una riproduzione multimediale. Usa json o text quando la trascrizione alimenta riassunti, ricerca o prompt di chat a valle.

​

Consigli per la Produzione

• Mantieni l’audio chiaro ed evita, se possibile, la sovrapposizione tra parlanti.
• Suddividi registrazioni molto lunghe in chunk più piccoli se il tuo flusso richiede minore latenza o retry più semplici.
• Memorizza il percorso audio originale, l’ID del modello e il formato di risposta insieme a ogni trascrizione per esigenze di tracciabilità.

​

Risorse Correlate

• API Audio Transcriptions
• Modelli Speech-to-Text
• Guida al Text-to-Speech