/filters:quality(82)/media/images/1773962750924385948_Ty3dmwFP.webp)
Speech to Text
Transcribe speech and audio into text.
Nossa seleção
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 os 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 Speech to Text — preços e performance
Execute qualquer modelo da coleção Speech to Text por meio de uma única API REST. Pague por geração — sem assinaturas, sem mínimos — com latência líder do setor numa infraestrutura com 99,9% de disponibilidade.
Por que executar Speech to Text na WaveSpeedAI
Preços transparentes
Preço por chamada para cada modelo Speech to Text. O preço aparece na página de cada modelo — sem taxas de plataforma adicionais.
Otimizado para baixa latência
A maioria dos modelos de imagem Speech to Text termina em menos de 2 segundos. Modelos de vídeo e 3D são várias vezes mais rápidos que alternativas auto-hospedadas.
99,9% de disponibilidade
Failover multirregião e novas tentativas automáticas mantêm seu tráfego de produção online — mesmo durante quedas do provedor.
Perguntas frequentes
Quanto custa a API de Speech to Text?+
Cada modelo tem seu próprio preço por chamada listado na página do modelo. Cobramos por geração bem-sucedida, sem taxas de assinatura nem mínimos.
Quão rápidos são os modelos Speech to Text na WaveSpeedAI?+
Os modelos de imagem desta coleção normalmente terminam em menos de 2 segundos. Modelos de vídeo e 3D dependem da duração e resolução, mas costumam ser várias vezes mais rápidos do que execuções auto-hospedadas.
Posso experimentar a API sem cartão de crédito?+
Novas contas elegíveis podem receber US$ 1 em créditos promocionais para experimentar modelos Speech to Text sem cartão de crédito. Os créditos de teste não são garantidos em todos os cadastros; verifique seu saldo antes de gerar.
Existem limites de taxa?+
Contas padrão têm limites generosos de tarefas concorrentes. Planos Enterprise oferecem RPM personalizado, maior concorrência e capacidade dedicada — entre em contato com vendas para detalhes.
Explore Mais de 1.000 Modelos de IA
Navegue por nosso catálogo completo de modelos de IA de última geração — imagem, vídeo, 3D, áudio, LLM e muito mais.
wavespeed.ai/models →Construa com a API
Integre IA em seus próprios aplicativos. API RESTful com bibliotecas cliente — sem cold starts, pague por uso.
wavespeed.ai/docs →