> ## Documentation Index
> Fetch the complete documentation index at: https://veniceai-mintlify-de47a659.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.

# 语音转文本模型

> Whisper Large V3、ElevenLabs Scribe 等 Venice 语音转文本模型，支持多语言与时间戳，并按音频秒数计价。

<div id="model-search-placeholder" data-filter="asr">
  在 API 请求中，将 `id` 值用作 `model` 参数。当前有 5 个模型可用。

  | 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 |
</div>

***

## 使用方式

语音转文本模型可将口语音频转录为书面文本。它们通过 [Audio Transcriptions API](/zh/api-reference/endpoint/audio/transcriptions) 访问。

### 支持的音频格式

`wav`、`wave`、`flac`、`m4a`、`aac`、`mp4`、`mp3`、`ogg`、`oga`、`webm`

当文件的 MIME 类型或扩展名在此列表中时即被接受，同时还必须通过对上传字节的 magic-byte 检查。仅将文件重命名为受支持的扩展名是不够的。

### 响应格式

| 格式     | 说明                                                          |
| ------ | ----------------------------------------------------------- |
| `json` | 默认。返回 `{ "text": "..." }`，以及（如可用）`duration` 和 `timestamps`。 |
| `text` | 纯文本转录结果。                                                    |

### 时间戳

设置 `timestamps: true` 可在转录文本之外接收时间数据。响应会新增一个 `timestamps` 对象，其粒度取决于模型：

| 模型                            | 粒度        |
| ----------------------------- | --------- |
| `elevenlabs/scribe-v2`        | `word`    |
| `stt-xai-v1`                  | `word`    |
| `openai/whisper-large-v3`     | `segment` |
| `fal-ai/wizper`               | `segment` |
| `nvidia/parakeet-tdt-0.6b-v3` | 无         |

<Warning>
  `nvidia/parakeet-tdt-0.6b-v3` 是默认模型，它会接受 `timestamps: true` 但不返回时间信息。没有错误也没有警告——响应只包含 `text`，别无其他。如果需要时间信息，请从上表中选择一个模型，并在读取之前检查 `timestamps` 键是否存在。
</Warning>

词级条目为 `{ "word": "...", "start": 0.0, "end": 0.5 }`，段级条目为 `{ "text": "...", "start": 0.0, "end": 3.2 }`，所有时间均以秒为单位。

<Note>
  计费按输入音频的秒数进行。请参阅 [Audio Transcriptions API](/zh/api-reference/endpoint/audio/transcriptions) 了解请求示例和参数细节。
</Note>