# Speechmatics 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. - Findings24: - Sitio web: - Precios: Freemium - Categorías: Voz a Texto, API de audio con IA ## ¿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? ### 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. ### 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