Fish Audio: Fish Transcribe-1

O Fish Transcribe-1 converte um arquivo de áudio enviado em texto com segmentos cronometrados. É útil para fala gravada, fluxos de trabalho de transcrição e aplicações que precisam da transcrição juntamente com a duração reportada do áudio.

Comparar modelos

fish-transcribe-1

DisponívelFish AudioFala para TextoSíncrono

Preço: A partir de $0.0001
Modalidades: Áudio

Sobre o Fish Transcribe-1

Fish Transcribe-1 é o modelo geral de fala para texto da Fish Audio para gravações curtas. Você envia um arquivo de áudio e recebe a transcrição, a duração da gravação e, quando solicitado, segmentos cronometrados em nível de palavra. O idioma é detectado automaticamente, com uma dica opcional. Ele se posiciona ao lado do Transcribe-1 Pro, que a Fish Audio recomenda para conversas longas com vários falantes e pistas emocionais.

Pontos fortes

As respostas incluem a duração informada do áudio junto com o texto, o que ajuda na verificação de cobrança e no alinhamento de legendas.
Tempos de início e fim em nível de palavra estão disponíveis quando você solicita carimbos de data/hora (timestamps), permitindo que uma transcrição seja dividida em legendas.
O arquivo original é enviado como está: WAV, MP3, AAC, FLAC, Ogg, WebM/Matroska ou MOV não precisam de conversão prévia.
O idioma é detectado automaticamente, portanto, lotes mistos de gravações não precisam de uma definição de idioma por arquivo.

Quando usar outro modelo

A Fish Audio posiciona este modelo para gravações curtas; áudios longos ou com vários falantes são melhor atendidos pelo Transcribe-1 Pro, com marcadores de falante e pistas emocionais.
Ele funciona com arquivos enviados, portanto, fluxos de microfone ao vivo exigem um modelo de fala para texto em tempo real.
Formatos como AIFF, CAF, WMA, AMR e PCM bruto não são aceitos e devem ser convertidos antes do envio.

Primeiros passos

Criar chave de API
Crie uma chave no Console e use com qualquer modelo da plataforma.

Envie sua primeira requisição

Copie o exemplo para sua linguagem e execute-o no endpoint.

Fala para textoEndpoint do TokenLab

POST/v1/audio/transcriptions

curl -X POST "https://api.tokenlab.sh/v1/audio/transcriptions" \
  -H "Authorization: Bearer sk-xxx" \
  -F file="@audio.mp3" \
  -F operation="stt" \
  -F response_format="json" \
  -F model="fish-transcribe-1" \
  -F language="en"

Parâmetros

Fala para texto

Parâmetro	Valores e limites	Padrão	Notas
`file`	Entradas: ≥ 1, ≤ 1	Não fornecido	Send one audio file in multipart/form-data. Maximum file size is 25 MiB.
`response_format`	json	`json`	Não fornecido

Preço

O preço Verified vale para o Verified, que custa menos na maioria dos modelos. O preço Official é o preço publicado pelo fabricante do modelo e vale para a rota Official, mais confiável. O Auto cobra pela rota que conclui a solicitação.

Fala para texto

por segundo

Preço Official: $0.0001
Preço Verified: —
Desconto: —

	Preço Officialpor segundo	Preço Verifiedpor segundo	Desconto
Fala para texto	$0.0001	—	—

Uso e atividade

A taxa de sucesso é a proporção de requisições concluídas. A latência é quanto tempo uma resposta completa leva; P95 significa que 95% das requisições terminaram dentro desse tempo.

Uso e disponibilidade

Últimas 24 horas

Requisições
Taxa de sucesso
Latência P95
Total de tokens

Desempenho do modelo

Última atualização 15 de nov. de 2026, 02:01 UTC

As métricas aparecerão assim que os limites de privacidade e volume de dados forem atingidos.

Os dados baseiam-se em solicitações agregadas de usuários, excluindo verificações de status.

Abrir no Console

Abra Fish Transcribe-1 no Console com um prompt pronto para editar ou enviar.

Ajude-me a testar fish-transcribe-1 com uma solicitação de áudio em /v1/audio/transcriptions. Exiba o resultado e custo.

Casos de uso

Transcrição de mensagens de voz
Transforme notas de voz curtas, trechos de chamadas de suporte e memorandos gravados em texto pesquisável com a duração anexada.
Rascunhos de legendas
Solicite tempos de palavra para um clipe curto e agrupe-os em linhas de legenda para revisão.
Formulários de entrada por voz
Transcreva respostas faladas de um aplicativo móvel e passe o texto para um modelo que preenche campos estruturados.
Arquivos multilíngues
Execute clipes em diferentes idiomas por meio de um único endpoint e conte com a detecção automática de idioma.

Exemplos de prompt

Transcreva este memorando de voz de 40 segundos e retorne carimbos de data/hora em nível de palavra para que eu possa criar legendas.

Transcreva o correio de voz do cliente anexado em seu idioma original e forneça a duração total da gravação.

Converta este MP3 de uma narração curta de demonstração de produto em texto; o falante pode alternar entre inglês e mandarim.

FAQ

Qual é a diferença entre o Fish Transcribe-1 e o Transcribe-1 Pro?

O Transcribe-1 é para transcrição geral de gravações curtas. O Transcribe-1 Pro é o modelo que a Fish Audio recomenda para gravações de até 60 minutos, conversas com vários falantes e transcrições com marcadores de falante e pistas emocionais. Escolha o Pro quando precisar saber quem disse o quê.

O que o Fish Transcribe-1 retorna?

O texto, a duração em segundos e um ID de solicitação. Se você solicitar carimbos de data/hora, ele também retorna segmentos em nível de palavra, cada um com texto, início e fim.

Quais formatos de áudio posso enviar?

A Fish Audio aceita arquivos WAV, MP3, AAC, FLAC, Ogg, WebM/Matroska e MOV, enviados como bytes originais. Para contêineres de vídeo, ele usa a primeira faixa de áudio. AIFF, CAF, WMA, AMR e PCM bruto não são suportados.

Preciso informar o idioma?

Não. A Fish Audio detecta o idioma automaticamente, e a resposta inclui o idioma detectado quando ele é conhecido. Existe uma dica de idioma opcional para casos em que a detecção pode ser incerta, como clipes muito curtos ou ruidosos.

Ele pode transcrever áudio ao vivo?

Não. Este modelo aceita um arquivo enviado e retorna a transcrição após o processamento. Para legendas ao vivo ou agentes de voz que precisam reagir enquanto alguém está falando, escolha um modelo criado para reconhecimento em streaming.

Quanto custa o Fish Transcribe-1?

No TokenLab, Fish Transcribe-1 custa $0.0001 por segundo. A tabela de preços acima mostra o detalhamento completo. As tarifas dependem da unidade de cobrança, da especificação e do uso. Compare condições iguais no preço detalhado do modelo; uma única tarifa não determina o custo total.

Qual endpoint o Fish Transcribe-1 deve usar?

Use https://api.tokenlab.sh/v1/audio/transcriptions para Fish Transcribe-1. O exemplo de requisição abaixo mostra o formato de código correspondente.

Quais operações o Fish Transcribe-1 suporta?

Fish Transcribe-1 suporta Fala para texto. Selecione uma operação acima para ver seu endpoint e exemplo de requisição.