Transcripción de contenido pregrabado y en tiempo real
Transcribe archivos de audio o vídeo mediante flujos de trabajo por lotes, o procesa audio y vídeo en directo para aplicaciones que necesitan reconocimiento de voz en streaming.
Speechmatics
Freemium
API de voz a texto para audio y vídeo pregrabados o en tiempo real, con compatibilidad multilingüe, varios hablantes y flujos de trabajo para agentes de voz.
¿Qué es Speechmatics?
Speechmatics es una plataforma de API de voz a texto para transcribir audio y vídeo en directo o pregrabados. Sus modelos están diseñados para audio conversacional, incluidos los acentos, varios hablantes, el habla multilingüe y el cambio de idioma dentro de una frase. La plataforma ofrece modelos de uso general, mejorados, médicos y orientados a agentes de voz para distintos requisitos de transcripción.
Entre sus capacidades principales se incluyen la transcripción por lotes de archivos de audio o vídeo y la transcripción en tiempo real de audio o vídeo en directo. Según el modelo, las opciones de salida y procesamiento incluyen la diarización de hablantes, indicaciones y etiquetado de idiomas, formato inteligente, marcas de tiempo a nivel de palabra, diccionarios personalizados, gestión de vocabulario sanitario, transcripción en varios idiomas y compatibilidad con el cambio de código lingüístico.
¿Qué puede hacer Speechmatics?
Habla multilingüe y en varios idiomas
El modelo Melia 1 es compatible con 56 idiomas sin tener que elegir uno de antemano y puede cambiar de idioma a mitad de una frase. El sitio de la plataforma describe compatibilidad con más de 55 idiomas en total.
Etiquetado de hablantes e idiomas
La diarización de hablantes separa las intervenciones en grabaciones con varios hablantes, mientras que las indicaciones y el etiquetado de idiomas ayudan a identificar o guiar los idiomas presentes en una transcripción.
Opciones de modelos para distintos ámbitos
Entre las opciones de modelos disponibles se incluyen Melia 1 para audio multilingüe, Enhanced para transcripciones en un solo idioma con mayor precisión, Oak 1 para lenguaje clínico y Linden 1 para casos de uso de agentes de voz en tiempo real.
Complementos para procesar conversaciones y documentos
El procesamiento opcional incluye traducción, capítulos, temas, resúmenes, sentimiento, redacción de información personal identificable (PII) y alineación de audio. La disponibilidad y las tarifas varían según el modelo y el modo de procesamiento.
Detección de turnos para agentes de voz
El modelo en tiempo real Linden 1 incluye detección de turnos para flujos de trabajo conversacionales con agentes de voz, lo que ayuda a una aplicación a identificar cuándo ha cambiado el turno de un hablante.
Casos de uso
“Transcripción de conversaciones multilingües”
Usa Melia 1 para transcribir reuniones, entrevistas, llamadas u otras grabaciones en las que los hablantes utilizan varios idiomas o cambian de idioma durante la conversación.
“Dictado y documentación clínica”
Usa el modelo médico Oak 1 para lenguaje clínico, incluidos nombres de medicamentos, dosis, abreviaturas y términos de procedimientos, con compatibilidad multilingüe.
“Agentes de voz en tiempo real”
Usa el modelo en tiempo real Linden 1 como capa de reconocimiento de voz para agentes conversacionales que necesitan detección de turnos integrada.
“Procesamiento de contenido multimedia grabado”
Procesa archivos de audio o vídeo por lotes y añade resultados como capítulos, temas, resúmenes, traducción o análisis de sentimiento cuando el modelo y el flujo de trabajo seleccionados lo permiten.
Preguntas frecuentes
¿Puede Speechmatics transcribir audio en directo y también archivos grabados?
Sí. La información sobre precios distingue entre la transcripción de contenido pregrabado y la transcripción en tiempo real. Los flujos de trabajo para contenido pregrabado aceptan archivos de audio o vídeo, mientras que los flujos en tiempo real procesan audio o vídeo en directo.
¿Cuántos idiomas admite Speechmatics?
El sitio describe compatibilidad con más de 55 idiomas. El modelo Melia 1 aparece indicado para transcribir 56 idiomas sin elegir uno de antemano y puede cambiar de idioma a mitad de una frase.
¿Speechmatics identifica a los distintos hablantes?
La diarización de hablantes figura como una función de transcripción disponible. La disponibilidad exacta puede variar según el modelo, el paquete del producto y la implementación.
¿Qué modelo está pensado para la transcripción médica?
Oak 1 es el modelo médico. Está pensado para lenguaje clínico, incluidos nombres de medicamentos, dosis, abreviaturas y términos de procedimientos.
¿Hay alguna forma de empezar gratis?
La página de precios indica que los usuarios pueden empezar gratis con 100 $ en créditos y sin necesidad de tarjeta. Las tarifas de uso después de los créditos incluidos varían según el modelo y el modo de procesamiento.
Datos rápidos
- Tipo de producto
- API de voz a texto
- Flujos de entrada
- Audio o vídeo pregrabados y audio o vídeo en tiempo real
- Cobertura lingüística
- Más de 55 idiomas; Melia 1 indica 56 idiomas
- Modelos destacados
- Melia 1, Enhanced, Oak 1 y Linden 1
- Implementación
- SaaS en la nube; el sitio del producto también describe opciones en la nube, locales y en el dispositivo
- Modelo de precios
- Precios basados en el uso, con una oferta para empezar gratis y tarifas específicas según el modelo
Análisis de tráfico de Speechmatics
Los datos de tráfico son solo como referencia.
- Valoración del dominio
- 74
Alternativas a Speechmatics
Daily
daily.co
Daily ofrece SDK e infraestructura para integrar voz y video en tiempo real, grabación y flujos de trabajo con agentes de IA en aplicaciones web, móviles, nativas, de escritorio y servidor. También ofrece Pipecat Cloud para desplegar agentes de IA de voz en la infraestructura de Daily.
Voicemaker
voicemaker.in
Plataforma de texto a voz en el navegador para generar y ajustar voces sintéticas con IA en varios idiomas y formatos, con exportación de audio, herramientas de edición y automatización mediante API.
4ALL API
4allapi.com
Pasarela de agregación de APIs para empresas y desarrolladores, con un único acceso a modelos de texto, imagen, vídeo y audio de múltiples proveedores, compatibilidad con OpenAI, facturación por uso y enrutamiento con conmutación por error.
SpeechifyAI
speechify.ai
API para desarrolladores de texto a voz expresivo y clonación de voz, con modelos Simba en streaming, voces de catálogo y clonadas, compatibilidad con SSML y un nivel gratuito para integrar voz en aplicaciones.
Loudly
loudly.com
Plataforma de música con IA para generar, personalizar, remezclar y distribuir música en un solo lugar, con API musical para integrar estos flujos en aplicaciones y productos.
Listnr AI
listnr.ai
Listnr AI convierte guiones escritos en locuciones multilingües. Edita voces, ritmo y pronunciación en Studio, o genera audio MP3 y WAV mediante su API REST.