API de voz a texto
Envía un archivo y recibe una transcripción con etiquetas de hablante y marcas de tiempo. Transmite audio en directo y recibe el texto mientras la gente habla. 150+ idiomas, detectados automáticamente.
from camb.{ "transcript": [{ "start": 0.50, "end": 3.09,"text": "Can you walk me through the delivery timeline?","speaker": "SPEAKER_0" },{ "start": 3.79, "end": 5.83,"text": "We can ship it next Wednesday.","speaker": "SPEAKER_1" },{ "start": 6.53, "end": 8.75,"text": "Does that include customs clearance?","speaker": "SPEAKER_0" },{ "start": 9.45, "end": 12.54,"text": "Yes. Everything is included in the price.","speaker": "SPEAKER_1" }] }La API de voz a texto de CAMB.AI convierte el audio hablado en texto con reconocimiento automático del habla (ASR). Envía archivos grabados para obtener transcripciones completas o transmite audio para recibir texto en directo. Una sola clave de API para ambos, desde tu propio código o desde Studio.
¿Buscas una API de reconocimiento de voz que funcione en tu app y no solo en el navegador? Es esta.
Por lotes
Sube un archivo o envía una URL. Recibe el texto separado por hablante, con tiempos de inicio y fin para cada línea. Exporta en JSON, SRT, VTT o TXT.
Subidas de hasta 20 MB. Para grabaciones más largas, envía una URL.
Tiempo real
Una API de voz a texto en streaming para desarrolladores: abre un WebSocket, transmite audio sin procesar desde tu app y recibe transcripciones parciales mientras la gente aún habla, y después un resultado final con marcas de tiempo por palabra. Pensada para subtítulos en directo, apps de voz y agentes de IA.
La API identifica quién habló y cuándo, y etiqueta cada línea: Hablante 1, Hablante 2. Viene integrada en el modo rápido y en el lento, sin nada que activar, así que entrevistas, reuniones y pódcasts llegan listos para leer.
La voz se separa del ruido de fondo antes de transcribir, y tú decides si la música se queda. Desactiva la limpieza para voz de estudio ya limpia.
Pon el idioma en auto y la API lo detecta por ti, entre 150+ idiomas.
Usa el modo rápido por defecto, o el modo lento para una pasada más exhaustiva.
Define la longitud máxima y el tiempo en pantalla de cada línea, y luego exporta en SRT o VTT.
Los resultados finales en tiempo real incluyen un tiempo de inicio y fin para cada palabra.
Obtén las transcripciones de muchas ejecuciones en una sola petición.
“Al ofrecer subtítulos en tiempo real en todas las pruebas de Eurovision Sport, ampliamos la accesibilidad digital y hacemos que más personas puedan seguir la acción en directo.”
Instala el SDK, añade tu clave de API y envía tu primer archivo. SDK para Python y TypeScript (JavaScript), además de Go, Java, Rust y PHP para archivos grabados.
from camb.{ "transcript": [{ "start": 5.0, "end": 12.0,"text": "Welcome to our discussion on AI.","speaker": "SPEAKER_0" },{ "start": 13.0, "end": 18.0,"text": "Thank you for having me.","speaker": "SPEAKER_1" }] }Tu transcripción no se queda en texto. En CAMB.AI, la misma transcripción puede convertirse en subtítulos, una traducción o una versión doblada, en la misma plataforma. ¿Necesitas transcripciones sin escribir código, desde un archivo o en directo desde tu micrófono? Usa nuestra herramienta de transcripción en Studio.
Una API de voz a texto (también llamada API speech to text o API de transcripción) permite a tu software enviar audio y recibir texto. La API de CAMB.AI gestiona archivos grabados y flujos de audio en tiempo real.
La API de transcripción por lotes trabaja con archivos grabados: envías un archivo o una URL y recoges la transcripción completa cuando está lista. La API en tiempo real transmite el audio por un WebSocket y devuelve el texto mientras la gente habla.
Sí, en archivos grabados. Cada línea de la transcripción recibe una etiqueta de hablante (Hablante 1, Hablante 2) y un tiempo de inicio y fin. La API en tiempo real todavía no separa hablantes.
150+ idiomas y variantes regionales. Indica un código de idioma o pon el idioma en auto para detectarlo.
En tiempo real, sí: cada resultado final incluye un tiempo de inicio y fin para cada palabra. Los archivos grabados devuelven un tiempo de inicio y fin para cada línea de la transcripción.
MP3, WAV, AAC, FLAC, MP4 y MOV. Sube archivos de menos de 20 MB o envía una URL para grabaciones más largas. En tiempo real, transmite audio sin procesar (PCM, A-law o μ-law) por el WebSocket.
Sí. Instala camb-sdk con pip y crea una transcripción en pocas líneas. También hay un SDK de TypeScript (@camb-ai/sdk). La API en tiempo real está en los SDK de Python y TypeScript; los SDK de Go, Java, Rust y PHP cubren los archivos grabados.
Sí. Descarga la transcripción en SRT, VTT o TXT con los nombres de los hablantes y define la longitud máxima de cada línea de subtítulo.
Por defecto, la API separa la voz del ruido de fondo antes de transcribir, y también puedes elegir quitar la música. Un audio limpio sigue dando los mejores resultados, y puedes desactivar la limpieza para voz con calidad de estudio.