Guides Imọlẹ
Parcours67 / 70
Modèle · Audio

Imole Speech to Text

Transcrivez vos enregistrements en texte. Horodatages et séparation des intervenants selon la langue. Les langues supplémentaires proposent du texte uniquement.

Identifiant du modèleimole-speech-to-text
Route API POST /audio/transcriptions
Tester dans le Laboratoire
Présentation du modèle

Ce que fait ce modèle

Imole Speech to Text transforme la parole enregistrée en texte modifiable. La qualité de l’enregistrement et la langue comptent davantage qu’un long prompt.

Cette page rassemble la description du modèle, les réglages exposés par Imọlẹ et les informations nécessaires pour l’appeler avec l’API.

Capacités

Résultats et opérations pris en charge

  • Entretiens, réunions, sous-titres, enregistrements de recherche et archives consultables.
  • Transformation de la parole audio ou vidéo en texte pour montage ou analyse.
Demande

Décrire clairement le résultat attendu

Construisez la demande dans cet ordre. Chaque étape précise une information que le modèle peut utiliser directement.

  1. 01

    Source propre

    Utilisez l’enregistrement de meilleure qualité disponible et évitez les recompressions inutiles.

  2. 02

    Langue

    Sélectionnez ou confirmez la langue parlée lorsque le modèle propose ce réglage.

  3. 03

    Intervenants

    Activez la séparation des intervenants lorsqu’une conversation contient plusieurs voix.

  4. 04

    Vocabulaire

    Ajoutez noms, marques, acronymes et termes métier lorsque le guidage de vocabulaire est disponible.

Exemple 1

Préparer un entretien

Importez le WAV original ou la vidéo de meilleure qualité. Sélectionnez le français. Activez la séparation de deux intervenants, demandez les horodatages par mot pour le sous-titrage puis relisez les noms propres et les termes techniques.

La préparation améliore le signal, la structure des intervenants, les horodatages et l’orthographe des termes rares.

Réglages

Contrôles disponibles dans Imọlẹ

Langue

Sélectionnez la langue parlée lorsqu’elle est connue. La détection automatique est pratique mais une langue explicite aide les enregistrements difficiles.

Séparation des intervenants

Utilisez-la pour les entretiens et réunions ; désactivez-la pour un narrateur unique.

Horodatages

Utilisez les horodatages par mot pour les sous-titres et plus larges pour des notes lisibles.

API

Intégrer le modèle dans un projet

MéthodePOST
Chemin/audio/transcriptions
URL de basehttps://api.imole.app/v1
Coût API1 cauris
AuthorizationBearer $IMOLE_API_KEY
Content-TypeUse application/json for base64 requests or multipart/form-data for file uploads.

Chargez IMOLE_API_KEY depuis une variable d’environnement côté serveur. N’insérez jamais la clé dans le code envoyé au navigateur, une application mobile, un dépôt Git ou un fichier partagé.

Corps de requête

Paramètres acceptés

ParamètreDescriptionValeurs
modelRequis

Identifiant unique.

imole-speech-to-text
file

Fichier audio multipart, 25 Mo maximum. WAV, MP3 ou FLAC recommandés pour les deux modes. Requis si audio_base64 est absent.

—
audio_base64

Alternative au fichier : audio encodé en base64 ou data URL.

—
language

Code de langue, auto par défaut. Liste gratuite sur GET /audio/languages?diarization=false (ou true).

—
diarization

Distinguer les intervenants. Désactivé par défaut. Les langues disponibles dépendent de cette option.

true, false
timestamps

Précision des horodatages, word par défaut pour les langues compatibles. Les autres langues sont en texte seul et refusent diarisation et horodatages. Les segments par intervenant restent présents avec la diarisation.

none, segment, word
Code

Exemples d’intégration

Testez d’abord la requête cURL, puis reprenez le même identifiant de modèle dans votre application JavaScript ou Python.

Transcrire un fichier

curl -X POST "https://api.imole.app/v1/audio/transcriptions" \
  -H "Authorization: Bearer $IMOLE_API_KEY" \
  -F "model=imole-speech-to-text" \
  -F "file=@reference.wav" \
  -F "language=fr" \
  -F "diarization=false" \
  -F "timestamps=word" \

Identifier les intervenants

curl -X POST "https://api.imole.app/v1/audio/transcriptions" \
  -H "Authorization: Bearer $IMOLE_API_KEY" \
  -F "model=imole-speech-to-text" \
  -F "file=@reference.wav" \
  -F "language=fr" \
  -F "diarization=true" \
  -F "timestamps=word" \

Transcrire une langue sans horodatages

curl -X POST "https://api.imole.app/v1/audio/transcriptions" \
  -H "Authorization: Bearer $IMOLE_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
  "model": "imole-speech-to-text",
  "audio": "https://imole.app/docs-samples/reference.wav",
  "language": "fon_Latn",
  "timestamps": "none",
  "diarization": false
}'

Suivre la demande (jusqu’à completed)

curl -H "Authorization: Bearer $IMOLE_API_KEY" "https://api.imole.app/v1/media/jobs/{jobId}"

Récupérer le résultat après completed

curl -H "Authorization: Bearer $IMOLE_API_KEY" "https://api.imole.app/v1/media/jobs/{jobId}/content"
Production

Réponse, suivi et erreurs

La route renvoie un fichier ou un objet JSON selon l’opération. Contrôlez le statut HTTP et le type de contenu avant de stocker la réponse.

400

Requête incorrecte : corrigez le champ indiqué avant de réessayer.

401

Clé absente, incorrecte ou révoquée.

402

Solde de cauris insuffisant.

429

Capacité temporairement indisponible : respectez `Retry-After` et utilisez un délai progressif.

5xx

Erreur temporaire : conservez l’identifiant de requête et évitez de relancer deux fois une opération facturable.

Cauris

Tarification et sources

Coût affiché1 cauris

Le coût exact dépend du modèle et, pour certains médias, de la durée, de la résolution ou de la qualité.

Documentation de référenceContrat Imole Speech to Text et liste des langues par mode