/filters:quality(82)/media/images/1773962750924385948_Ty3dmwFP.webp)
Speech to Text
Transcribe speech and audio into text.
Nuestra selección
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.
Todos los modelos
7 modelos
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.
API de Speech to Text — precios y rendimiento
Ejecuta cualquier modelo de la colección Speech to Text a través de una sola API REST. Paga por generación — sin suscripciones ni mínimos — con latencia líder del sector sobre una infraestructura con 99,9 % de disponibilidad.
Por qué ejecutar Speech to Text en WaveSpeedAI
Precios transparentes
Precio por llamada para cada modelo Speech to Text. El precio aparece en la página de cada modelo — sin recargos de plataforma.
Optimizado para baja latencia
La mayoría de los modelos de imagen Speech to Text terminan en menos de 2 segundos. Los modelos de vídeo y 3D son varias veces más rápidos que las alternativas autoalojadas.
99,9 % de disponibilidad
Conmutación por error multirregión y reintentos automáticos mantienen tu tráfico de producción en línea — incluso durante caídas del proveedor.
Preguntas frecuentes
¿Cuánto cuesta la API de Speech to Text?+
Cada modelo tiene su propio precio por llamada listado en su página. Cobramos por generación exitosa, sin cuotas de suscripción ni mínimos.
¿Qué tan rápidos son los modelos Speech to Text en WaveSpeedAI?+
Los modelos de imagen de esta colección suelen completarse en menos de 2 segundos. Los modelos de vídeo y 3D dependen de la duración y la resolución, pero suelen ser varias veces más rápidos que las ejecuciones autoalojadas.
¿Puedo probar la API sin tarjeta de crédito?+
Las cuentas nuevas que cumplan los requisitos pueden recibir $1 en créditos promocionales para probar modelos Speech to Text sin tarjeta de crédito. No se garantizan créditos de prueba en cada registro; consulta tu saldo antes de generar.
¿Hay límites de tasa?+
Las cuentas estándar tienen límites generosos de trabajos concurrentes. Los planes Enterprise ofrecen RPM personalizado, mayor concurrencia y capacidad dedicada — contacta con ventas para más detalles.
Explora más de 1.000 modelos de IA
Navega por nuestro catálogo completo de modelos de IA de última generación — imagen, vídeo, 3D, audio, LLM y más.
wavespeed.ai/models →Construye con la API
Integra IA en tus propias aplicaciones. API RESTful con bibliotecas de cliente — sin arranques en frío, paga por uso.
wavespeed.ai/docs →