Блог Speech2Text

API

Speech-to-Text API для разработчиков: как подключить распознавание речи без боли с лимитами и VPN

Разбираем Speech-to-Text API для разработчиков: как подключить распознавание аудио, звонков и видео, получить текст, JSON, таймкоды, диаризацию спикеров, SRT/VTT-субтитры и интеграцию без VPN, GPU-серверов и сложной ML-инфраструктуры.

API

Как разделить расшифровку по спикерам: диаризация Whisper и готовое решение через API

Разбираем, как работает диаризация спикеров: почему Whisper дает сплошной текст, как pyannote и NeMo разделяют речь по голосам, зачем нужен RTTM и как получить готовую расшифровку с ролями, таймкодами и API без локального ML-стека.