/filters:quality(82)/media/images/1773962750924385948_Ty3dmwFP.webp)
Speech to Text
Transcribe speech and audio into text.
Unsere Auswahl
nvidia/nemotron-3.5-asr
NVIDIA Nemotron 3.5 ASR is a fast AI speech-to-text model that transcribes multilingual audio into text with automatic language detection. Ready-to-use REST inference API for audio transcription, podcast processing, video subtitles, meeting notes, voice analytics, content localization, and professional ASR workflows with simple integration, no coldstarts, and affordable pricing.
Alle Modelle
7 Modelle
nvidia/nemotron-3.5-asr
NVIDIA Nemotron 3.5 ASR is a fast AI speech-to-text model that transcribes multilingual audio into text with automatic language detection. Ready-to-use REST inference API for audio transcription, podcast processing, video subtitles, meeting notes, voice analytics, content localization, and professional ASR workflows with simple integration, no coldstarts, and affordable pricing.
wavespeed-ai/openai-whisper-turbo
Accurate speech-to-text with OpenAI Whisper Large v3 Turbo: multilingual transcripts with auto language detection and punctuation. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
wavespeed-ai/openai-whisper-with-video
OpenAI Whisper Large v3 (Video-to-Text) delivers high-accuracy multilingual transcription directly from video files, with automatic language detection and optional timestamped, subtitle-ready segments. Built for stable production use with a ready-to-use REST API, fast response, no cold starts, and predictable pricing.
wavespeed-ai/heartmula/transcribe-lyrics
HeartMuLa Transcribe extracts lyrics from audio files using advanced AI. Supports multilingual transcription. Ready-to-use REST inference API with best performance, no coldstarts, and affordable pricing.
elevenlabs/scribe-v2
ElevenLabs Scribe V2 Speech-to-Text transcribes audio with automatic language detection, speaker labels, and word-level timestamps for transcription, subtitles, captions, meetings, and audio processing workflows. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
/filters:quality(82)/media/images/1778058923714040076_6pZ9iqzJ.webp)
nvidia/nemotron-3-nano-omni/audio
NVIDIA Nemotron 3 Nano Omni is an open, efficient reasoning model for enterprise agentic workflows, built on a 30B A3B hybrid Transformer-Mamba MoE architecture. Ready-to-use REST inference API, best performance, no coldstarts, affordable pricing.
wavespeed-ai/openai-whisper
Whisper Large v3 speech-to-text: instant, accurate multilingual transcripts with automatic language detection and punctuation. Upload audio to get transcripts. Ready-to-use REST API, no coldstarts, affordable pricing.
Speech to Text API — Preise und Performance
Nutzen Sie jedes Modell der Speech to Text-Sammlung über eine einzige REST-API. Bezahlen Sie pro Generierung — keine Abos, keine Mindestbeträge — mit branchenführender Latenz auf einer Infrastruktur mit 99,9 % Verfügbarkeit.
Warum Speech to Text auf WaveSpeedAI ausführen
Transparente Preise
Abrechnung pro Aufruf für jedes Speech to Text-Modell. Der Preis ist auf jeder Modellseite ausgewiesen — keine Plattformgebühren obendrauf.
Auf niedrige Latenz optimiert
Die meisten Speech to Text-Bildmodelle laufen in unter 2 Sekunden. Video- und 3D-Modelle sind mehrfach schneller als selbst gehostete Alternativen.
99,9 % Verfügbarkeit
Multi-Region-Failover und automatische Wiederholungen halten Ihren Produktionsverkehr online — auch bei Anbieter-Ausfällen.
Häufig gestellte Fragen
Wie viel kostet die Speech to Text-API?+
Jedes Modell hat seinen eigenen Preis pro Aufruf, der auf der Modellseite angegeben ist. Wir rechnen pro erfolgreicher Generierung ab — ohne Abogebühren oder Mindestbeträge.
Wie schnell sind Speech to Text-Modelle auf WaveSpeedAI?+
Bildmodelle in dieser Sammlung sind typischerweise in unter 2 Sekunden fertig. Video- und 3D-Modelle hängen von Dauer und Auflösung ab, sind aber meist mehrfach schneller als selbst gehostete Läufe.
Kann ich die API ohne Kreditkarte testen?+
Berechtigte neue Konten können 1 $ Aktionsguthaben erhalten, um Speech to Text-Modelle ohne Kreditkarte auszuprobieren. Testguthaben ist nicht bei jeder Registrierung garantiert; prüfen Sie vor der Generierung Ihren Kontostand.
Gibt es Rate-Limits?+
Standardkonten haben großzügige Limits für gleichzeitige Jobs. Enterprise-Pläne bieten individuelle RPM, höhere Parallelität und reservierte Kapazität — bei Interesse den Vertrieb kontaktieren.