تحويل الصوت إلى نص

استخدم بنية OpenAI JSON لتركيب الكلام. يحتوي الردّ على بايتات الصوت ويستخدم MP3 افتراضيًا.

curl https://getvibeapi.com/v1/audio/speech \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "chatterbox-turbo",
    "input": "Hello from GetVibe",
    "voice": "default",
    "response_format": "mp3",
    "speed": 1
  }' \
  --output speech.mp3

الطرازات المتاحة هي tts، gemini-tts، gemini-3.8-flash-tts، gemini-3.8-flash-lite-tts، gemini-3.8-flash-tts-lite، chatterbox-tts، kokoro-tts، chatterbox-turbo، وgpt-4o-mini-tts. تستخدم response_format (mp3، opus، aac، flac، wav، pcm) وspeed بنية OpenAI؛ وتسرد صفحات الطرازات أي حدود أصلية أضيق. تقبل gpt-4o-mini-tts أصوات OpenAI الثلاثة عشر (alloy، ash، ballad، coral، echo، fable، nova، onyx، sage، shimmer، verse، marin، cedar) وحقل instructions الاختياري الذي يوجّه الأداء بكلمات plain، مثل "speak calmly and warmly".

ينطق النموذج voice-clone-tts أي نص بصوتك، بما في ذلك النصوص باللغة الروسية. أنشئ الصوت أولًا لمرة واحدة من تسجيل مدته 3–60 ثانية (wav أو mp3، بحجم يصل إلى 10 MB) — وهذه الخطوة مجانية. يُشترط consent: true: إذ تؤكد أن الصوت صوتك أو أنك حصلت على موافقة صاحبه. يمكنك إنشاء ما يصل إلى 20 صوتًا جديدًا كل 24 ساعة.

curl https://getvibeapi.com/api/media/voices \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "name": "My voice",
    "consent": true,
    "audio_url": "https://example.com/my-voice.wav"
  }'

تحمل الاستجابة voice.id ‏(voice_…). مرّرها كـ opts.voice_id في طلب وسائط عادي؛ والمحرك qwen3 (الافتراضي، أفضل جودة) أو chatterbox (اقتصادي). ويُحتسب السعر لكل 1000 حرف من النص، بما يصل إلى 4000 حرف لكل طلب.

الصوت المميز — أقرب صوت شبهًا. أضف "engine": "premium" عند إنشائه؛ ويجب أن تكون مدة التسجيل 10–60 ثانية. ويكلّف الإنشاء $2.00 مرة واحدة ولا يُحتسب إلا إذا أُنشئ الصوت: فلا يُحتسب شيء عند الخطأ، والرصيد الأدنى من السعر يجيب بـ 402 قبل إرسال التسجيل. ولّد الصوت بمحرك MiniMax: minimax-speech-2.8-hd أو minimax-speech-2.6-hd أو minimax-speech-02-hd ($0.125 لكل 1000 حرف) ونسخها Turbo ($0.075)؛ أما الاسمان الأقدمان premium / premium-turbo فيعنيان speech-02. وفور الإنشاء ننطق كلمة قصيرة واحدة بالصوت — إذ يحذف MiniMax أي صوت لم يُستخدم خلال 7 أيام. والصوت المميز المحذوف يتوقف عن العمل فورًا، لكن خدمة التوليد لا توفر الحذف ولا يُرد رسم الإنشاء.

curl https://getvibeapi.com/api/media/generate \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "voice-clone-tts",
    "prompt": "Hello! This is my cloned voice.",
    "opts": { "voice_id": "voice_Ab12Cd34Ef56Gh78Ij90", "language": "auto" }
  }'

الصوت قابل للاستخدام من حسابك فقط. اعرضها بـ GET /api/media/voices؛ واحذف واحدًا بـ DELETE /api/media/voices/{voice_id} — يُحذف التسجيل من خدمة التركيب أيضًا. نحن لا نحتفظ بالتسجيل عندنا.

صوت ElevenLabs. عند تفعيله، يسرد GET /api/media/voices أسعاره ضمن pricing.elevenlabs_*. أنشئ الصوت بـ engine: "elevenlabs" من تسجيل مدته 10–60 ثانية (أماكن الأصوات محدودة: وعند نفادها تكون الإجابة 409 voice_slots_full)، ثم ولّده بـ elevenlabs-v4 أو elevenlabs-v4-turbo — مع stability وsimilarity_boost وspeed وseed وlanguage ووسوم صوتية مثل [laughs] داخل النص مباشرة. وملف النتيجة الثاني هو JSON للترجمات يتضمن توقيتات الكلمات. السعر لكل 1000 حرف: v4 بسعر $0.044، وv4 Turbo بسعر $0.022 — وهو سعر ترويجي حتى 12 أكتوبر 2026، ثم يصبح $0.16 و$0.08. التخزين $0.70 لكل صوت شهريًا (الشهر الأول مشمول؛ ثم يُحتسب شهريًا في يوم إنشاء الصوت). وإذا كان رصيدك منخفضًا جدًا يُحتفظ بالصوت شهرًا آخر ولا يُحذف إلا إذا ظلّت الرسوم غير مدفوعة عند الاحتساب التالي — ونراسلك بالبريد أولًا. اطّلع على جميع أصواتك وحالتها ضمن My voices.

عدة تسجيلات. يستوعب صوت ElevenLabs ما يصل إلى 25 تسجيلًا: عند الإنشاء كمصفوفة samples (كل عنصر {"audio_url"} أو {"audio_base64"}، بصيغة wav/mp3 بحجم يصل إلى 10 MB، ومجموع يصل إلى 50 MB ومدة 10–300 ثانية)، ولاحقًا عبر POST /api/media/voices/{voice_id}/samples {"samples": […]}. الإضافة مجانية؛ وتبقى رسوم التخزين واحدة لكل صوت. مع "remove_background_noise": true يزيل ElevenLabs الضوضاء الخلفية من التسجيلات مجانًا (معطّل افتراضيًا: فقد يُسيء إلى تسجيل نظيف).

أرسل طلبًا متعدد الأجزاء (multipart) مع file وmodel. حجم الملفات محدود بـ 50 MB. الاستجابة هي { text: "..." }.

curl https://getvibeapi.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -F [email protected] \
  -F model=whisper-large-v3 \
  -F language=en
# → {"text":"..."}

النماذج المتاحة هي speech-to-text وwhisper-large-v3-turbo وnemotron-asr-multilingual وwhisper-large-v3. تظهر الأسعار الحالية لكل دقيقة في كتالوج نماذج الصوت. يجب أن يتراوح حجم الملفات من 1 بايت إلى 50 ميغابايت.

يتبع response_format تنسيق OpenAI: json (الافتراضي، { text })، وtext (نص عادي)، وverbose_json (JSON يتضمن language وduration وsegments[] — id, start, end, text بالثواني)، وsrt وvtt (ترجمات نصية جاهزة). للحصول على توقيت كل كلمة، أرسل timestamp_granularities[]=word مع verbose_json (الحقل words[]: word, start, end)؛ ويمكن الجمع بين segment وword. لا يعتمد السعر على التنسيق.

# SRT subtitles (or vtt); verbose_json returns JSON with segments[] and words[]
curl https://getvibeapi.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -F [email protected] \
  -F model=whisper-large-v3 \
  -F response_format=srt

curl https://getvibeapi.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -F [email protected] \
  -F model=whisper-large-v3 \
  -F response_format=verbose_json \
  -F "timestamp_granularities[]=segment" \
  -F "timestamp_granularities[]=word"
# → {"task":"transcribe","language":"en","duration":5.9,"text":"...",
#    "segments":[{"id":0,"start":0.03,"end":0.71,"text":"Hello!"}, ...],
#    "words":[{"word":"Hello!","start":0.03,"end":0.51}, ...]}

تأتي الطوابع الزمنية من whisper-large-v3 وwhisper-large-v3-turbo وnemotron-asr-multilingual وqwen3-asr-1.7b وspeech-to-text (تُبنى مقاطعه من توقيتات الكلمات). لا تُرجع universal-2 وvoxtral-small-24b-2507 وnemotron-3-diarization أي طوابع زمنية، لذا تُرفض طلبات verbose_json / srt / vtt لهذه النماذج بالرمز 400 قبل احتساب أي رسوم.

تحويل صوتي إلى نص غير متزامن من رابط عام. تنشئ مهمة وتتبّع النتيجة عبر id الخاص بنا.

يُعيد الإنشاء 202 مع { id, status: "processing" }. استعلم بـ GET /api/transcribe/{id} حتى تصبح الحالة success (أو fail)؛ حينها يحتوي الرد على text وdurationSec وpriceRub.

# 1. create a transcription job (audio by public URL)
curl https://getvibeapi.com/api/transcribe \
  -H "Authorization: Bearer $GETVIBE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "audio_url": "https://example.com/audio.mp3",
    "language": "en",
    "redact_pii": true
  }'
# → {"id":"...","status":"processing"}