음성-텍스트 변환 및 API

입력값

모델의 api_mode 에 따라 오디오 파일 또는 베이스; 64 input_audio 페이로드.

출력

녹취록 텍스트 또는 구조화된 녹취록 응답.

엔드포인트

POST /v1/audio/transcriptions or POST /v1/chat/completions with input_audio, according to api_mode

생명주기

나열된 공개 엔드포인트 모드에 대해 동기식으로 작동합니다. 기록을 저장하고 거부된 파일 형식을 명시적으로 처리합니다.

stepaudio-2-asr-pro

StepFun StepAudio 2 ASR Pro — 32B 파라미터 음성 인식 모델로, StepFun ASR 라인에서 정확도 우선 옵션이며 stepaudio-2.5-asr는 속도·비용 우선 옵션입니다. ogg, mp3, wav 업로드를 지원하며 전사 출력은 과금되지 않습니다.

작업: 음성 포함 비디오, 텍스트 변환

엔드포인트: POST /v1/audio/transcriptions

비용 예시: 1 오디오 시간 × $0.35 = $0.35 .

step-asr

StepFun step-asr — 중국어, 영어, 중국어 방언을 아우르는 범용 음성 인식. 전사, 회의록, 통화 품질 검토, 음성 검색에 사용합니다. ogg, mp3, wav 업로드를 지원하며 전사 출력은 과금되지 않습니다.

작업: 음성 포함 비디오, 텍스트 변환

엔드포인트: POST /v1/audio/transcriptions

비용 예시: 1 오디오 시간 × $0.15 = $0.15 .

step-asr-1.1

StepFun step-asr-1.1 — step-asr 라인의 범용 인식 모델을 갱신한 버전으로, 중국어, 영어, 중국어 방언을 지원합니다. ogg, mp3, wav 업로드를 지원하며 전사 출력은 과금되지 않습니다.

작업: 음성 포함 비디오, 텍스트 변환

엔드포인트: POST /v1/audio/transcriptions

비용 예시: 1 오디오 시간 × $0.35 = $0.35 .

mimo-v2.5-asr

Xiaomi MiMo-V2.5-ASR — 중국어, 영어, 코드 스위칭, 지역 방언, 잡음이 섞인 녹음, 원거리 오디오, 다중 화자 및 가사에 대한 음성 인식 기능을 제공합니다.

작업: 음성 포함 비디오, 텍스트 변환

엔드포인트: POST /v1/chat/completions

비용 예시: 1 오디오 시간 × $0.074 = $0.074 .

qwen3-asr-flash

Qwen3-ASR-Flash — 언어 힌트, 역텍스트 정규화, 감정 인식 및 OpenAI-compatible 오디오 입력을 지원하는 다국어 파일 전사 기능입니다.

작업: 음성 포함 비디오, 텍스트 변환

엔드포인트: POST /v1/audio/transcriptions

비용 예시: 1 오디오 시간 × $0.123539 = $0.123539 .

stepaudio-2.5-asr

StepAudio 2.5 ASR — 빠른 중국어-영어 인식, ITN 정규화, 자막, 회의 및 음성 에이전트를 위한 4B MTP 스트리밍 전사 모델.

작업: 음성 포함 비디오, 텍스트 변환

엔드포인트: POST /v1/audio/transcriptions

비용 예시: 1 오디오 시간 × $0.022 = $0.022 .