---
title: "Распознавание речи по API за рубли"
description: "Как перевести запись в текст через API: MP3, WAV, M4A и другие файлы до 25 МБ и 2 часов, субтитры SRT и VTT, цена за минуту звука в рублях."
url: https://veselo.ai/docs/transcriptions
updated: 2026-11-17T01:27:17.429Z
---

# Распознавание речи по API за рубли

Как перевести запись в текст через API: MP3, WAV, M4A и другие файлы до 25 МБ и 2 часов, субтитры SRT и VTT, цена за минуту звука в рублях.

Обновлено: 17 ноября 2026 г.

Отправь запись в `POST https://veselo.ai/v1/audio/transcriptions` формой `multipart/form-data` — получишь текст, как у `audio.transcriptions` в OpenAI. Подходит для расшифровки звонков, интервью и голосовых сообщений и для субтитров к роликам.

Без кода запись можно распознать на странице модели в [каталоге](https://veselo.ai/models), в блоке «Попробовать», — с API-счёта. ИИ-помощнику — инструмент MCP `transcribe_audio`: он берёт запись по ссылке ([MCP-сервер](https://veselo.ai/docs/mcp#tools)).

## Модели и цены

**Распознавание речи и цена за минуту — в рублях**

| id | Модель | Цена |
| --- | --- | --- |
| `amazon/transcribe` | [Amazon Transcribe](https://veselo.ai/models/amazon/transcribe) | 0,68 ₽ за минуту звука |
| `assemblyai/universal-2` | [AssemblyAI Universal-2](https://veselo.ai/models/assemblyai/universal-2) | 0,28 ₽ за минуту звука |
| `assemblyai/universal-3.5-pro` | [AssemblyAI Universal-3.5 Pro](https://veselo.ai/models/assemblyai/universal-3.5-pro) | 0,40 ₽ за минуту звука |
| `cartesia/ink-whisper` | [Cartesia Ink Whisper](https://veselo.ai/models/cartesia/ink-whisper) | 0,26 ₽ за минуту звука |
| `deepgram/base` | [Deepgram Base](https://veselo.ai/models/deepgram/base) | 1,40 ₽ за минуту звука |
| `deepgram/enhanced` | [Deepgram Enhanced](https://veselo.ai/models/deepgram/enhanced) | 1,63 ₽ за минуту звука |
| `deepgram/nova` | [Deepgram Nova](https://veselo.ai/models/deepgram/nova) | 0,66 ₽ за минуту звука |
| `deepgram/nova-2` | [Deepgram Nova-2](https://veselo.ai/models/deepgram/nova-2) | 0,66 ₽ за минуту звука |

В `GET /v1/models` — записи с `type: "transcription"`. Цена — за минуту звука, `pricing_rub.per_minute`; у некоторых моделей ещё `per_request` — за файл. Что модель принимает и отдаёт — поле `transcription`: форматы файла (`formats`), предел файла (`max_file_mb`) и длины записи (`max_seconds`), форматы ответа (`response_formats`). Какие поля формы понимает модель — её `supported_parameters`.

## Распознать запись

**curl**

```
curl https://veselo.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $VESELO_API_KEY" \
  -F file=@запись.mp3 \
  -F model=qwen/qwen3-asr-1.7b \
  -F language=ru
```

**Python**

```
import os
from openai import OpenAI  # pip install openai

client = OpenAI(base_url="https://veselo.ai/v1", api_key=os.environ["VESELO_API_KEY"], timeout=600.0)
with open("запись.mp3", "rb") as f:
    r = client.audio.transcriptions.create(model="qwen/qwen3-asr-1.7b", file=f, language="ru")
print(r.text)
print("Цена:", r.model_dump()["usage"]["cost_rub"], "₽")
```

**JavaScript**

```
import fs from 'node:fs';
import OpenAI from 'openai'; // npm i openai

const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: process.env.VESELO_API_KEY, timeout: 600_000 });
const r = await client.audio.transcriptions.create({
  model: 'qwen/qwen3-asr-1.7b',
  file: fs.createReadStream('запись.mp3'),
  language: 'ru',
});
console.log(r.text, r.usage?.cost_rub, '₽');
```

**Ответ**

```
{
  "text": "…",
  "usage": { "type": "duration", "seconds": 62, "cost_rub": 0.22 }
}
```

В curl файл передаётся с `@`: `-F file=@запись.mp3` — без `@` уйдёт строка, а не файл. Цена в примере ответа условная.

## Поля формы

| Поле | Что передать |
| --- | --- |
| `file` | обязательно: запись — MP3, WAV, FLAC, M4A, MP4, OGG или WebM (`transcription.formats`), до 25 МБ и до 2 ч звука; у модели бывает меньше — `transcription.max_seconds`. Запись короче 0,1 с не принимается |
| `model` | обязательно: id модели с `type: "transcription"` |
| `language` | язык записи, ISO 639-1: `ru`, `en`, `de`… Без поля язык определяет модель; для русской записи надёжнее передать `ru` |
| `response_format` | из `transcription.response_formats`: `json` (по умолчанию), `text`, `srt`, `vtt`, `verbose_json`; у модели с разделением говорящих — ещё `diarized_json` |
| `prompt` | подсказка — имена, термины, до 1000 знаков; если `prompt` есть в `supported_parameters` |
| `temperature` | от 0 до 1; если `temperature` есть в `supported_parameters` |
| `timestamp_granularities[]` | `word` и (или) `segment` — времена слов и фраз; только с `response_format: verbose_json` |

Поле, которого нет у модели, и неизвестное поле — 400 с его именем в `param`. `stream: true` — 400: потоком распознавание пока не работает. Тело не формой (например, JSON) — 400.

## Ответ

- `json`, `verbose_json`, `diarized_json` — JSON: `text` и `usage` (`type: "duration"`, `seconds` — сколько секунд списано, `cost_rub` — цена). `language`, `duration`, `words` (слова с началом и концом, у разделения — с говорящим) и `segments` (фразы с временами) — если модель их прислала; у `verbose_json` и `diarized_json` `duration` есть всегда.
- `text`, `srt`, `vtt` — текстом, с `content-type` `text/plain`, `application/x-subrip` или `text/vtt`.
- Заголовки у всех форматов: `x-veselo-cost-rub` — цена, `x-veselo-seconds` — сколько секунд списано, `x-veselo-balance-rub` — сколько можно потратить после запроса, `x-request-id`.

## Деньги

- Цена — за минуту звука, списание — по секундам, вверх до целой секунды: запись на 61,2 с стоит как 62 секунды. Плюс `per_request` за файл, если он есть у модели.
- До запроса сервер сам меряет длину записи и удерживает цену по ней. Списывает — по тому, сколько звука насчитала модель, но не больше нашей длины плюс 3 секунды или 20%; модель насчитала больше или не назвала секунды (`text`, `srt`, `vtt`) — по нашей длине.
- Ошибка — 0 ₽. `Idempotency-Key` здесь не действует: текст мы не храним, и повтор распознает запись заново — и спишет снова.

## Лимиты

- Файл — до 25 МБ, звук — до 2 ч (у модели меньше — `transcription.max_seconds`): длинную запись раздели на части.
- Одновременно — до 4 распознаваний у аккаунта и до 8 на весь сервис; сверх — 429 `rate_limited` с `Retry-After: 5`.
- Файл должен загрузиться за 5 минут. Ответ модели ждём до 5 минут, у моделей, которые ставят файл в свою очередь, — до 9.
- На счёте меньше цены самой короткой записи — 402 сразу, файл не загружается. В MCP (`transcribe_audio`) файл по ссылке должен отдаваться не медленнее 16 КБ/с.
- Пока сервер обновляется, запрос может получить 503 с `Retry-After: 5` — деньги не списаны, повтори его.
- Общие лимиты ключа — 60 запросов в минуту и 10 одновременных.

## Запись и текст

Запись уходит только выбранной модели и удаляется у нас сразу после ответа — и при ошибке тоже. Текст распознавания мы не храним: в журнале — только модель, секунды и цена.

## Если не получилось

| HTTP / код | Что сделать |
| --- | --- |
| 400 / `invalid_request` | Проверь поле из `param`: у `file` — формат и длину записи; другой формат сохрани в MP3, WAV, FLAC, M4A, OGG или WebM |
| 402 / `insufficient_balance` | Пополни API-счёт: удерживается цена всей записи |
| 403 / `model_not_allowed`, `key_limit_reached` | Выбери другую модель или проверь лимит ключа |
| 404 / `model_not_found` | Возьми id из GET /v1/models с type: transcription |
| 413 / `payload_too_large` | Файл больше 25 МБ: сожми запись или раздели её |
| 429 / `rate_limited` | Подожди `Retry-After` секунд |
| 502 / `upstream_error`; 503 / `model_unavailable`; 504 / `upstream_timeout` | Повтори позже или возьми модель из `alternatives` |

Ошибка не стоит денег. Все коды — в разделе [Ошибки](https://veselo.ai/docs/errors).

[← Музыка](https://veselo.ai/docs/music) · [Эмбеддинги →](https://veselo.ai/docs/embeddings)

[Вся документация одним текстом](https://veselo.ai/docs/llms.txt) · [Все модели и цены](https://veselo.ai/models)

## Разделы документации

### Начало

- [Быстрый старт](https://veselo.ai/docs)
- [Ключи](https://veselo.ai/docs/auth)
- [Цены и списания](https://veselo.ai/docs/pricing)
- [Команды](https://veselo.ai/docs/teams)
- [Оплата для компаний](https://veselo.ai/docs/business)
- [Модели](https://veselo.ai/docs/models)

### Как сделать

- [Сообщения и параметры](https://veselo.ai/docs/chat)
- [Стриминг](https://veselo.ai/docs/streaming)
- [Вызов функций](https://veselo.ai/docs/tools)
- [Ответ в JSON](https://veselo.ai/docs/structured-output)
- [Провайдеры](https://veselo.ai/docs/providers)
- [Без цензуры](https://veselo.ai/docs/uncensored)
- [Картинки во входе](https://veselo.ai/docs/vision)
- [Картинки](https://veselo.ai/docs/images)
- [Видео](https://veselo.ai/docs/video)
- [Озвучка](https://veselo.ai/docs/speech)
- [Голоса](https://veselo.ai/docs/voices)
- [Музыка](https://veselo.ai/docs/music)
- **Распознавание речи**
- [Эмбеддинги](https://veselo.ai/docs/embeddings)
- [Переранжирование](https://veselo.ai/docs/rerank)
- [SDK и программы](https://veselo.ai/docs/sdks)
- [Claude Code](https://veselo.ai/docs/anthropic)
- [Ключ для нейросети](https://veselo.ai/docs/agents)
- [MCP](https://veselo.ai/docs/mcp)

### Справочник

- [Методы API](https://veselo.ai/docs/reference)
- [Ошибки](https://veselo.ai/docs/errors)
- [Лимиты](https://veselo.ai/docs/limits)
- [Заголовки](https://veselo.ai/docs/headers)

### Ещё

- [Вопросы](https://veselo.ai/docs/faq)
- [Данные и приватность](https://veselo.ai/docs/privacy)
- [Изменения](https://veselo.ai/docs/changelog)
