Cartesia Ink Whisper: распознавание речи по API
Cartesia Ink Whisper — модель распознавания речи американской компании Cartesia, построенная на Whisper. Cartesia называет её самой доступной в своей линейке и пишет, что она точнее и быстрее обычного Whisper. Модель знает 100 языков, включая русский, и держится на шумных и телефонных записях. Цена — 0,26 ₽ за минуту звука, по секундам звука.
- 0,26 ₽ за минуту звука
- до 2 ч звука
- звук → текст
cartesia/ink-whisper
Обновлено:
Получить ключ Попробовать Документация
Попробовать Cartesia Ink Whisper
Загрузи короткую запись — модель вернёт текст. Запрос оплачивается с API-счёта по цене на кнопке, бесплатных проб нет; ошибка нейросети денег не стоит.
Что попробовать: Загрузи запись до двух минут или запиши с микрофона: надиктуй заметку для себя. Вернётся текст.
В ответ приходит текст записи в поле text — как у OpenAI.
Цены Cartesia Ink Whisper в рублях
| Звук — считаем по секундам | 0,26 ₽ за минуту |
|---|
Запрос, который закончился ошибкой, денег не стоит. Кэшбэк — до 5% от расхода за месяц. Как считается цена
Сколько стоят типичные задачи
Суммы посчитаны по цене выше — сколько спишется за такую работу.
| Голосовые заметки в приложении: сто заметок по 30 секунд | Около 13,00 ₽ |
|---|---|
| Голосовые сообщения в боте поддержки: тысяча голосовых по 30 секунд | Около 130,00 ₽ |
| Записи звонков с телефонной линии: двести звонков по 3 минуты | Около 156,00 ₽ |
Что умеет Cartesia Ink Whisper
- Распознаёт 100 языков из списка Cartesia, русский среди них (Ink Whisper в документации Cartesia).
- По словам Cartesia, точнее и быстрее базового Whisper и аккуратно работает с кусками звука разной длины и перебиваниями.
- Держится на фоновом шуме, телефонных помехах, акцентах и запинках, уверенно пишет имена и отраслевые термины.
- Отдаёт время начала и конца каждого слова (пример Cartesia).
- Через наш API принимает WAV, MP3, FLAC, M4A, OGG и WebM до 25 МБ, цена считается по секундам звука.
Где применять
Голосовые заметки в приложении
Мысль быстрее надиктовать, чем набрать на ходу, а потом удобно найти её текстом. Ink Whisper подходит для таких коротких записей: файл в пару десятков секунд оплачивается по секундам, а не минутой целиком. Подскажи язык полем language, если приложение русскоязычное, и проси ответ просто текстом. Запись из браузера в WebM можно отправлять как есть, без перекодирования. Готовый текст заметки потом легко искать по словам, как обычную переписку.
Пример запроса: «model=cartesia/ink-whisper, file=note.webm, language=ru, response_format=text»
Стоимость: сто заметок по 30 секунд — около 13,00 ₽.
Голосовые сообщения в боте поддержки
Когда в поддержку присылают голосовое вместо текста, оператору приходится его слушать, иногда по несколько раз. Бот может сразу превратить голосовое в текст, показать его оператору или передать языковой модели для первого ответа. Голосовые Telegram приходят в OGG, и этот формат модель принимает. Уличный шум и запинки Ink Whisper, по словам Cartesia, переносит спокойно. Исходное голосовое сохрани рядом с текстом, чтобы оператор мог переслушать спорное место.
Пример запроса: «model=cartesia/ink-whisper, file=voice.ogg, language=ru, response_format=json»
Стоимость: тысяча голосовых по 30 секунд — около 130,00 ₽.
Записи звонков с телефонной линии
Телефонная запись — трудный звук: узкая полоса, помехи, люди говорят одновременно. Cartesia отдельно пишет, что Ink Whisper точно расшифровывает звук с телефонными искажениями, акцентами и запинками, а также названия и термины. Попроси время слов, и по нему можно сразу перейти к нужному месту разговора. Каждый звонок отправляй отдельным файлом, чтобы расшифровка не смешивала разговоры, а в имени файла держи дату и номер линии.
Пример запроса: «model=cartesia/ink-whisper, file=call.mp3, language=ru, response_format=verbose_json, timestamp_granularities[]=word»
Стоимость: двести звонков по 3 минуты — около 156,00 ₽.
Как писать запрос
Одна запись — один файл. Звонок отправляй в том виде, в каком его сохранила телефония: перекодировать его в более высокое качество бессмысленно, звука от этого не прибавится. Если запись тяжелее 25 МБ, режь её на паузах. Время слов проси только там, где оно нужно: для заметок хватит простого текста.
Характеристики
| Разработчик | Cartesia |
|---|---|
| Вид | Распознавание речи |
| Файл | mp3, wav, flac, m4a, mp4, ogg, webm; до 25 МБ |
| Звук за раз | до 2 ч |
| Ответ | json, text, srt, vtt, verbose_json |
| id для запроса | cartesia/ink-whisper |
Как подключить
Вместо sk-vsl-ТВОЙ_КЛЮЧ — ключ из кабинета. Ответ придёт в формате OpenAI.
Запрос — POST https://veselo.ai/v1/audio/transcriptions с полем model: cartesia/ink-whisper, ключ — в заголовке Authorization: Bearer sk-vsl-….
curl
curl https://veselo.ai/v1/audio/transcriptions \
-H "Authorization: Bearer sk-vsl-ТВОЙ_КЛЮЧ" \
-F model="cartesia/ink-whisper" \
-F file="@speech.mp3"Python
from openai import OpenAI # pip install openai
client = OpenAI(base_url="https://veselo.ai/v1", api_key="sk-vsl-ТВОЙ_КЛЮЧ", timeout=600.0, max_retries=0)
with open("speech.mp3", "rb") as f:
r = client.audio.transcriptions.create(model="cartesia/ink-whisper", file=f)
print(r.text)JavaScript
import fs from 'node:fs';
import OpenAI from 'openai'; // npm i openai
const client = new OpenAI({ baseURL: 'https://veselo.ai/v1', apiKey: 'sk-vsl-ТВОЙ_КЛЮЧ', timeout: 600_000, maxRetries: 0 });
const r = await client.audio.transcriptions.create({
model: 'cartesia/ink-whisper',
file: fs.createReadStream('speech.mp3'),
});
console.log(r.text);Пример ответа — только поля
{
"text": "…"
}В программах: тем же ключом и по тому же адресу, что остальные модели, — из любого HTTP-клиента или библиотеки openai. Библиотеки и программы
Сравнение с похожими
| Модель | Цена | Главное | Когда выбрать |
|---|---|---|---|
| Cartesia Ink Whisper — эта модель | 0,26 ₽ / мин | до 2 ч звука | массовая расшифровка голосовых сообщений, заметок и телефонных записей |
| Cartesia Sonic 3.6 — Cartesia | 4,18 ₽ / 1000 знаков | до 4 096 знаков | служебные фразы на русском: уведомления, коды, очередь, ответы бота |
| Qwen3-ASR 1.7B — Qwen (Alibaba) | 0,14 ₽ / мин | до 2 ч звука | короткие команды и записи с музыкой на фоне; открытые веса |
| AssemblyAI Universal-2 — AssemblyAI | 0,28 ₽ / мин | до 2 ч звука | пакетная расшифровка на многих языках, русский — с высокой точностью |
| Inworld STT-1 — Inworld AI | 0,28 ₽ / мин | до 2 ч звука | голосовые и короткие записи на 30 языках, когда язык заранее неизвестен |
| Qwen3-ASR Flash — Qwen (Alibaba) | 0,24 ₽ / мин | до 2 ч звука | короткие записи до 5 минут с терминами, в том числе на китайском |
- Whisper Large v3 Turbo — ускоренная открытая Whisper, если минут очень много и цена за минуту важнее всего.
- Qwen3-ASR 1.7B — открытая модель Qwen: 18 языков с русским и время слов.
- ElevenLabs Scribe v3 — для длинных интервью, встреч и лекций, где точность важнее цены.
- Cartesia Sonic 3.6 — пара для голосового бота: Ink Whisper слушает, Sonic отвечает голосом.
Как устроен доступ
Весело — не разработчик Cartesia Ink Whisper: модель выпускает Cartesia. Мы даём к ней доступ по API — один ключ на все модели, оплата в рублях с API-счёта, а цена каждого ответа видна в самом ответе. Запрос, который закончился ошибкой, денег не стоит. Что мы храним о запросах и сколько — в разделе «Данные и приватность» документации. Данные и приватность
Вопросы и ответы
- Ink Whisper — это обычный Whisper?
- Нет, это модель Cartesia на основе Whisper. Cartesia пишет, что она точнее и быстрее базовой версии: работает с кусками звука разной длины, держится на фоновом шуме, телефонных помехах и акцентах, увереннее пишет имена и термины.
- Распознаёт ли Ink Whisper русскую речь?
- Да, русский есть в списке из 100 языков модели. Если вся запись на русском, передай
language=ru: так язык не придётся определять автоматически. - Можно ли получить время каждого слова в Ink Whisper?
- Да. Попроси
response_format=verbose_jsonиtimestamp_granularities[]=word: в ответе придёт список слов с началом и концом. В примере Cartesia для этого служит тот же параметрtimestamp_granularitiesсо значениемword. - Есть ли у Cartesia распознавание речи в реальном времени через ваш API?
- Пока нет. Новая модель Cartesia, Ink 2, работает только потоком через постоянное соединение и понимает пять языков без русского, а у нас распознавание идёт готовыми файлами. Расшифровку файлов у Cartesia и сейчас выполняет Ink Whisper.
- Есть ли подписка или абонентская плата?
- Нет. API-счёт пополняется на нужную сумму, а списывается только то, что потратили запросы. Чем больше расход за месяц, тем больше кэшбэк — от 1 до 5%.
- Сколько запросов можно отправлять?
- До 60 запросов в минуту и до 10 одновременно на один ключ, ключей у аккаунта — до 20. Сверх лимита придёт ответ 429 с заголовком Retry-After: через столько секунд можно повторить.
- Нужны ли VPN и зарубежная карта для Cartesia Ink Whisper?
- Нет. Запросы идут на https://veselo.ai/v1, а API-счёт пополняется в рублях — картой российского банка или по СБП.
Ещё по теме
Факты сверены 16 ноября 2026 по документации: docs.cartesia.ai