Выберите модель для своего приложения.

ElevenLabs Scribe v2 — это модель преобразования речи в текст, которая транскрибирует аудио на 90+ языках с временными метками на уровне слов, опциональной диаризацией спикеров и тегированием аудиособытий.

ElevenLabs Scribe v2 Medical — это модель преобразования речи в текст, настроенная на клиническую и медицинскую терминологию, с временными метками на уровне слов, опциональной диаризацией спикеров и тегированием аудиособытий.

Gemini 3.5 Transcribe — это модель преобразования речи в текст от Google. Она подходит для синхронной транскрипции, требующей временных меток на уровне слов или диаризации спикеров, с поддержкой до восьми спикеров. Audio...

Transcribe 1 Pro — это модель преобразования речи в текст от Fish Audio, настроенная для интервью, совещаний и подкастов. Она помечает спикеров с помощью встроенных маркеров `speaker`, сохраняет эмоции и сигналы о вокальных событиях, таких как...

Universal-3.5 Pro — это модель преобразования речи в текст от AssemblyAI, работающая через Sync API, которая возвращает полную расшифровку с временными метками на уровне слов в одном синхронном ответе для аудиоклипов длительностью до 120 секунд.

Muse Voice Transcribe 1.0 — это синхронная модель преобразования речи в текст от Meta. Она подходит для push-to-talk, определения границ речи (endpointing) и транскрипции с учетом говорящего, а также поддерживает смещение ключевых слов для доменных терминов и языковое смещение посредством...

MAI-Transcribe 2 — это многоязычная модель преобразования речи в текст от Microsoft AI, занимающая 1-е место в многоязычном бенчмарке FLEURS. Она поддерживает 60 языков с автоматической идентификацией языка, переключением кодов для смешанной речи,...

Nemotron 3.5 ASR Streaming Multilingual 0.6B — это модель распознавания речи от NVIDIA. Ее архитектура FastConformer-RNNT с поддержкой промптов и кэширования ориентирована на транскрипцию с низкой задержкой для более чем 40 языков, что позволяет использовать ее для создания субтитров в реальном времени, голосового управления и других задач.

Voxtral Small 24B 2507 STT — это модель для транскрибации речи от Mistral AI. Она подходит для задач транскрибации, перевода и понимания аудио, требующих большей емкости модели.

Voxtral Mini 3B 2507 — это модель для понимания речи и аудио от Mistral AI. Она подходит для транскрибации, перевода и компактных задач по обработке аудио.

Qwen3 ASR 1.7B — это модель автоматического распознавания речи от Qwen. Она поддерживает идентификацию и транскрипцию на 30 языках и 22 китайских диалектах, включая потоковый и офлайн-инференс.

Qwen3 ASR 0.6B — это компактная модель автоматического распознавания речи от Qwen. Она поддерживает многоязычную идентификацию и транскрипцию на 30 языках и 22 китайских диалектах, работая как в потоковом, так и в офлайн-режиме...

GPT Transcribe — это высокоточная модель преобразования речи в текст от OpenAI. Она подходит для записи аудио, потоковой транскрипции файлов и выполнения Realtime задач, поддерживая произвольный контекст, подсказки по ключевым словам и множество языков.

Transcribe 1 — это модель преобразования речи в текст от Fish Audio. Она подходит для транскрибации аудио с автоматическим определением языка и может возвращать сегменты на уровне слов с временными метками, если запрошены детали выравнивания.

Grok STT — это модель преобразования речи в текст от SpaceXAI, доступная через REST эндпоинт /v1/stt. Она поддерживает транскрибацию с временными метками на уровне слов, опциональную диаризацию спикеров и многоканальный звук.

Deepgram Nova-3 — универсальная модель распознавания речи с поддержкой моноязычной и многоязычной транскрипции.

MAI-Transcribe 1.5 — это многоязычная модель преобразования речи в текст от Microsoft AI. Она подходит для создания субтитров, транскрибации звонков, обеспечения доступности и других голосовых приложений, обеспечивая надежную транскрибацию на 43 языках, разнообразных...

Parakeet TDT 0.6B v3 — это многоязычная модель NVIDIA для преобразования речи в текст с 600M параметров, построенная на архитектуре FastConformer-TDT. Обученная на наборе данных Granary (более 670,000 часов аудио), она поддерживает автоматическое определение языка в...

Voxtral Mini Transcribe — это модель преобразования речи в текст от Mistral, созданная на основе семейства Voxtral Mini. Она принимает аудио на вход и возвращает транскрибированный текст через стандартный API транскрипции. Подходит для транскрибирования встреч,...

Chirp 3 — это новейшая многоязычная модель распознавания речи от Google. Она обеспечивает повышенную точность транскрипции для 24 языков в статусе GA и более 77 языков в режиме предварительного просмотра, а также поддерживает автоматическое определение языка, автоматическую расстановку знаков препинания и...

GPT-4o Mini Transcribe — это компактная и экономичная модель OpenAI для преобразования речи в текст, созданная на базе аудиовозможностей GPT-4o Mini. Тарификация осуществляется за токен (входной и выходной), что делает ее подходящей для высоконагруженных процессов транскрибации, которые...

Whisper Large V3 — это модель автоматического распознавания речи с открытым исходным кодом от OpenAI, которая поддерживает транскрибацию и перевод аудио. Она поддерживает более 99 языков и принимает распространенные аудиоформаты, включая mp3, mp4, wav, webm и другие.

Whisper Large V3 Turbo — это оптимизированная версия модели распознавания речи Whisper Large V3 от OpenAI, разработанная для повышения скорости и экономической эффективности. Она поддерживает транскрипцию на 99+ языках с...

Whisper — это модель автоматического распознавания речи с открытым исходным кодом от OpenAI, доступная через API как whisper-1. Она поддерживает транскрипцию и перевод более чем на 50 языков из аудиофайлов размером до 25 MB. Принимает форматы...

GPT-4o Transcribe — это высококачественная модель преобразования речи в текст от OpenAI, построенная на базе аудиoвозможностей GPT-4o. Она тарифицируется за токен (входные и выходные данные), что делает ее подходящей для рабочих процессов, где важна прозрачность биллинга на уровне токенов.