语音转文字

使用领先提供商的最先进 AI 模型，将语音转录为文字。Sim 语音转文字 (STT) 工具可以将音频和视频文件转换为准确的文字记录，支持多种语言、时间戳以及可选的翻译功能。

支持的提供商：

OpenAI Whisper：来自 OpenAI 的先进开源 STT 模型。支持 whisper-1 等模型，能够处理多种语言和音频格式。
Deepgram：基于深度学习模型的实时和批量 STT API，例如 nova-3、nova-2 和 whisper-large。提供诸如说话人分离、意图识别和行业特定调优等功能。
ElevenLabs：以高质量语音 AI 闻名，ElevenLabs 提供专注于准确性和自然语言理解的 STT 模型，支持多种语言和方言。

选择最适合您任务的提供商和模型——无论是快速、生产级转录 (Deepgram)，高精度多语言能力 (Whisper)，还是高级理解和语言覆盖 (ElevenLabs)。

使用说明

使用领先的 AI 提供商将音频和视频文件转录为文字。支持多种语言、时间戳和说话人分离。

使用 OpenAI Whisper 将音频转录为文字

使用 Deepgram 将音频转录为文本

参数	类型	必需	描述
`provider`	string	是	STT 提供商 (deepgram)
`apiKey`	string	是	Deepgram API 密钥
`model`	string	否	要使用的 Deepgram 模型 (nova-3, nova-2, whisper-large 等)
`audioFile`	file	否	要转录的音频或视频文件
`audioFileReference`	file	否	来自前面模块的音频/视频文件引用
`audioUrl`	string	否	音频或视频文件的 URL
`language`	string	否	语言代码 (例如："en", "es", "fr") 或 "auto" 进行自动检测
`timestamps`	string	否	时间戳粒度：无、句子或单词
`diarization`	boolean	否	启用说话人分离

使用 ElevenLabs 将音频转录为文本

参数	类型	必需	描述
`provider`	string	是	STT 提供商 (elevenlabs)
`apiKey`	string	是	ElevenLabs API 密钥
`model`	string	否	要使用的 ElevenLabs 模型 (scribe_v1, scribe_v1_experimental)
`audioFile`	file	否	要转录的音频或视频文件
`audioFileReference`	file	否	来自前面模块的音频/视频文件引用
`audioUrl`	string	否	音频或视频文件的 URL
`language`	string	否	语言代码 (例如 "en", "es", "fr") 或 "auto" 进行自动检测
`timestamps`	string	否	时间戳粒度：无、句子或单词