> ## Documentation Index > Fetch the complete documentation index at: https://docs.mka1.com/llms.txt > Use this file to discover all available pages before exploring further. # Transcrição de fala para texto > Converta áudio em texto usando reconhecimento de fala avançado. **Upload de Arquivo Completo (Padrão)** Use `Content-Type: multipart/form-data` para enviar o arquivo de áudio completo em uma única solicitação. Tamanho máximo do arquivo: 25MB. Exemplo: ```bash curl -X POST "http://localhost:3000/api/v1/llm/speech/transcriptions?language=pt-BR" \ -F "file=@audio.flac" ``` **Upload em Fragmentos (Streaming)** Use o cabeçalho `Transfer-Encoding: chunked` para transmitir dados de áudio em fragmentos enquanto estão sendo gravados. Não é necessário saber o tamanho total do arquivo com antecedência. O servidor armazena os fragmentos até que estejam completos antes de processar. Tamanho total máximo: 25MB. Exemplo: ```bash curl -X POST "http://localhost:3000/api/v1/llm/speech/transcriptions?language=pt-BR" \ -H "Transfer-Encoding: chunked" \ -H "Content-Type: multipart/form-data" \ --data-binary @audio.flac ``` **Formatos Suportados:** FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV, WebM **Parâmetros de Consulta:** - `model` (opcional): Identificador do modelo de transcrição. Padrão é 'auto'. - `language` (opcional): Código de idioma ISO-639-1 ou BCP-47 (por exemplo, "pt-BR"). Detecta automaticamente se não especificado. - `prompt` (opcional): Parâmetro de prompt legado mantido para compatibilidade retroativa. - `temperature` (opcional): Parâmetro de temperatura legado mantido para compatibilidade retroativa. - `include_speaker_data` (opcional): Quando `true`, inclui dados de diarização do orador e requer entrada WAV/PCM. Caso contrário, a transcrição utiliza o caminho de compatibilidade padrão. **Resposta:** Retorna o texto transcrito em formato JSON. ## OpenAPI ````yaml https://apigw.mka1.com/speakeasy.json?language=pt-BR post /api/v1/llm/speech/transcriptions openapi: 3.1.1 info: title: MKA1 API version: 1.1.0 description: >- A API MKA1 é uma API RESTful que fornece acesso à plataforma MKA1. Aprenda como começar a usar a API e o SDK TypeScript [aqui](https://mka1.apidocumentation.com/guides/getting-started). license: name: Proprietário servers: - url: https://apigw.mka1.com description: MKA1 API Gateway - url: / description: Relative server URL (configurable via SDK constructor) security: [] tags: - name: Resource Authorization description: >- Gerencie permissões para recursos LLM. Crie recursos, conceda/revoque permissões e exclua recursos. Apenas os proprietários dos recursos podem conceder, revogar ou excluir permissões. x-displayName: Autorização de Recurso - name: Embeddings description: >- Endpoints da API de incorporação de texto para gerar representações vetoriais de texto. Crie incorporações semânticas para busca, clustering e correspondência de similaridade usando vários modelos de incorporação. x-displayName: Incorporações - name: Feedback description: >- API de feedback do usuário para avaliar e comentar sobre as conclusões de chat. Coleta de classificações de positivo/negativo e feedback detalhado para melhorar as respostas do modelo e acompanhar a satisfação do usuário. x-displayName: Feedback - name: Images description: >- Pontos de extremidade da API de geração de imagens para criar imagens a partir de descrições de texto. Gere imagens com controle sobre tamanho, qualidade e estilo. x-displayName: Imagens - name: MCP Vault description: >- API do cofre MCP para armazenar configurações de servidor MCP de propriedade do usuário e credenciais criptografadas. Os agentes referenciam IDs de cofre para que os segredos sejam resolvidos apenas no momento da execução da ferramenta. x-displayName: Cofre MCP - name: Speech description: >- Pontos de extremidade da API de fala para processamento de áudio. Converta texto em fala com som natural (TTS) ou transcreva fala em texto (STT) em diferentes idiomas. x-displayName: Discurso - name: Usage description: >- API de rastreamento de uso e análise para monitoramento do consumo de tokens, contagem de solicitações e análise de custos. Veja estatísticas detalhadas por usuário, modelo e período de tempo. x-displayName: Uso - name: Extract description: >- API de extração de dados estruturados para extrair informações de arquivos. Defina esquemas JSON para extrair dados estruturados de imagens, PDFs e documentos. Suporta modelos de esquema reutilizáveis. x-displayName: Extração - name: Text Classification description: >- API de classificação de texto para categorizar textos em rótulos predefinidos. Use modelos de IA para classificar o conteúdo textual para análise de sentimento, categorização de tópicos e moderação de conteúdo. x-displayName: Classificação de Texto - name: Responses description: >- API de respostas com agentes para criar agentes de IA com uso autônomo de ferramentas. Crie assistentes conversacionais que podem usar pesquisa na web, operações de arquivos, geração de imagens, execução de código, simulação de uso de computador e integrações MCP. Suporta processamento em segundo plano, streaming e monitoramento de status em tempo real. x-displayName: Respostas - name: Files description: >- API de gerenciamento de arquivos para upload, armazenamento e gerenciamento de arquivos com expiração automática e integração com S3. Faça upload de arquivos que podem ser usados com Assistentes, Armazenamentos Vetoriais e outras funcionalidades. Os arquivos são armazenados no S3 com metadados rastreados no PostgreSQL. Suporta limpeza automática de arquivos expirados. x-displayName: Arquivos - name: Vector Stores description: >- API de armazenamento de vetores para armazenar e pesquisar documentos usando embeddings. Crie armazenamentos de vetores, faça upload de arquivos com divisão automática e geração de embeddings, e realize pesquisas semânticas. Os arquivos são processados de forma assíncrona usando fluxos de trabalho Temporais para durabilidade. Suporta limpeza automática de armazenamentos expirados e LanceDB para armazenamento eficiente de vetores. x-displayName: Armazenamentos de Vetores - name: Conversations description: >- API de gerenciamento de conversas para armazenar e recuperar o estado da conversa durante chamadas à API de Resposta. Crie conversas, adicione itens (mensagens do usuário, mensagens do assistente, mensagens do sistema) e mantenha o histórico da conversa. Suporta rastreamento de metadados e gerenciamento de estado de diálogo em múltiplas interações. x-displayName: Conversa - name: Guardrails description: >- API de diretrizes de segurança de IA para configurar moderação de conteúdo e políticas de segurança. Configure listas de palavras proibidas, detecção de injeção de prompts e prevenção de vazamento de prompts do sistema. As diretrizes aplicam-se a todas as solicitações de uma conta e podem ser testadas antes da implementação. x-displayName: Guarda-corpos - name: Models description: >- API de listagem de modelos para descobrir modelos disponíveis. Retorna IDs de modelos, propriedade e metadados de todos os modelos registrados no gateway. x-displayName: Modelos - name: Skills description: >- API de habilidades para gerenciar pacotes versionados de instruções e arquivos seguindo o padrão de Habilidades do Agente. Crie, versionar e baixe pacotes de habilidades reutilizáveis que incluam manifestos SKILL.md para ambientes de agentes. x-displayName: Habilidades - name: Chat Completions description: >- **Obsoleto: Use a API de Respostas (`/api/v1/llm/responses`) em vez disso.** Endpoints de conclusão de chat com suporte para streaming, chamadas de ferramentas e múltiplos provedores. x-deprecated: true x-displayName: Conclusões de Bate-Papo - name: Batches x-displayName: Lotes - name: Evals x-displayName: Avaliações - name: Fine-Tuning x-displayName: Ajuste Fino - name: Memory Stores x-displayName: Armazenamentos de Memória - name: Prompts x-displayName: Sugestões - name: API Key x-displayName: Chave da API - name: Organization x-displayName: Organização - name: Cluster Admin x-displayName: Administrador do cluster - name: Sessions description: Crie, inspecione, acesse e encerre sessões de sandbox. x-displayName: Sessões - name: Browser description: >- Conecte-se às sessões do navegador através do proxy da porta do gateway. As sessões do navegador expõem um endpoint do Chrome DevTools Protocol na porta 9222. x-displayName: Navegador - name: Execution description: >- Executar comandos shell e código dentro de uma sessão de sandbox existente. x-displayName: Execução - name: Workspace description: >- Inspecione o manifesto do espaço de trabalho, transfira arquivos ou arquivos compactados e baixe artefatos gerados. x-displayName: Espaço de trabalho - name: Sandbox Usage description: >- Agregue estatísticas de uso da sandbox entre sessões, execução e operações do espaço de trabalho. x-displayName: Uso do Sandbox - name: Sandbox Pricing description: >- Gerenciamento de cluster-admin da tabela de preços de computação da sandbox usada para gastos orçados. x-displayName: Preço da Sandbox - name: Agents description: Crie e gerencie definições de agentes reutilizáveis. x-displayName: Agentes - name: Agent Versions description: >- Inspecione o histórico de configuração de um agente e reverta para uma versão anterior. x-displayName: Versões do Agente - name: Agent Runs description: Execute agentes salvos e inspecione os resultados da execução persistidos. x-displayName: Executa Agente - name: Agent Schedules description: Crie e gerencie execuções de agentes salvos agendadas ou recorrentes. x-displayName: Agendas de Agentes - name: schema-4_other x-displayName: outro - name: Budgets x-displayName: Orçamentos - name: Settings x-displayName: Configurações - name: Deployments description: Servidores de inferência de longa duração. x-displayName: Implantações - name: Fine-Tune Jobs description: Enviar, monitorar e cancelar trabalhos de fine-tuning. x-displayName: Trabalhos de Ajuste Fino - name: Container Images description: Imagens de contêiner personalizadas para implantações e jobs. x-displayName: Imagens de contêineres - name: Serving Models description: Modelos registrados para implantação e ajuste fino. x-displayName: Servindo Modelos - name: Volumes description: Armazenamento persistente para pesos e checkpoints. x-displayName: Volumes - name: Secrets description: Credenciais injetadas em seus workloads. x-displayName: Segredos - name: Accelerators description: Tipos de aceleradores disponíveis (GPU, NPU, TPU). x-displayName: Aceleradores paths: /api/v1/llm/speech/transcriptions: post: tags: - Speech summary: Transcrição de fala para texto description: >- Converta áudio em texto usando reconhecimento de fala avançado. **Upload de Arquivo Completo (Padrão)** Use `Content-Type: multipart/form-data` para enviar o arquivo de áudio completo em uma única solicitação. Tamanho máximo do arquivo: 25MB. Exemplo: ```bash curl -X POST "http://localhost:3000/api/v1/llm/speech/transcriptions?language=pt-BR" \ -F "file=@audio.flac" ``` **Upload em Fragmentos (Streaming)** Use o cabeçalho `Transfer-Encoding: chunked` para transmitir dados de áudio em fragmentos enquanto estão sendo gravados. Não é necessário saber o tamanho total do arquivo com antecedência. O servidor armazena os fragmentos até que estejam completos antes de processar. Tamanho total máximo: 25MB. Exemplo: ```bash curl -X POST "http://localhost:3000/api/v1/llm/speech/transcriptions?language=pt-BR" \ -H "Transfer-Encoding: chunked" \ -H "Content-Type: multipart/form-data" \ --data-binary @audio.flac ``` **Formatos Suportados:** FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV, WebM **Parâmetros de Consulta:** - `model` (opcional): Identificador do modelo de transcrição. Padrão é 'auto'. - `language` (opcional): Código de idioma ISO-639-1 ou BCP-47 (por exemplo, "pt-BR"). Detecta automaticamente se não especificado. - `prompt` (opcional): Parâmetro de prompt legado mantido para compatibilidade retroativa. - `temperature` (opcional): Parâmetro de temperatura legado mantido para compatibilidade retroativa. - `include_speaker_data` (opcional): Quando `true`, inclui dados de diarização do orador e requer entrada WAV/PCM. Caso contrário, a transcrição utiliza o caminho de compatibilidade padrão. **Resposta:** Retorna o texto transcrito em formato JSON. operationId: transcribe parameters: - name: model in: query schema: type: string default: auto description: >- Identificador do modelo de transcrição. O padrão é 'auto', que seleciona o melhor modelo disponível. Ignorado quando a diarização de falantes é solicitada. examples: - auto allowEmptyValue: true example: auto - name: language in: query schema: type: string description: >- O idioma do áudio de entrada no formato ISO-639-1 ou BCP-47 (por exemplo, 'pt' ou 'pt-BR'). Se não for especificado, o serviço de transcrição detecta automaticamente o idioma. examples: - en allowEmptyValue: true example: en - name: include_speaker_data in: query schema: type: boolean default: false description: >- Se deve incluir dados de segmentos de falantes. O padrão é falso. Quando verdadeiro, a resposta inclui um array de falantes dividido por falante detectado. examples: - true allowEmptyValue: true example: true - name: prompt in: query schema: type: string description: >- Parâmetro de prompt legado mantido para compatibilidade retroativa. Usado apenas pelo caminho de fallback para uploads que não são WAV. examples: - This is a technical podcast about machine learning. allowEmptyValue: true example: This is a technical podcast about machine learning. - name: temperature in: query schema: type: number minimum: 0 maximum: 1 description: >- Parâmetro de temperatura legado mantido para compatibilidade com versões anteriores. Usado apenas pelo caminho de fallback para uploads não WAV. examples: - 0.2 allowEmptyValue: true example: 0.2 - name: store in: query schema: type: boolean default: false description: >- Quando verdadeiro, persista esta transcrição (o áudio de entrada e o texto transcrito) no histórico de conversão de fala para texto. O padrão é falso. examples: - true allowEmptyValue: true example: true - name: X-On-Behalf-Of in: header required: false schema: type: string description: Optional external end-user identifier forwarded by the API gateway. requestBody: required: true content: multipart/form-data: example: file: (binary) schema: type: object properties: file: type: string format: binary description: >- Arquivo de áudio para transcrição. **Requisitos do Arquivo:** - Tamanho máximo: 25MB - Formatos suportados: FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV, WebM - A diagramação de falantes atualmente requer entrada WAV / PCM **Opções de Upload:** 1. Padrão: Carregar arquivo completo usando multipart/form-data 2. Em partes: Transmitir partes do arquivo usando o cabeçalho Transfer-Encoding: chunked (útil para gravação em tempo real) **Nota:** Para uploads em partes, o servidor armazena em buffer todas as partes antes do processamento. A transcrição começa apenas após o recebimento do arquivo completo. required: - file responses: '200': description: OK content: application/json: schema: $ref: '#/components/schemas/TranscriptionResponse' example: text: Hello, this is a sample transcription of the audio file. language: en confidence: 0.95 speakers: - speaker: Speaker-1 text: Hello, this is a sample transcription of the audio file. confidence: 0.95 offset_ms: 0 duration_ms: 2100 security: - bearerAuth: [] x-codeSamples: - lang: python label: Python (SDK) source: |- from meetkai_mka1 import SDK with SDK( bearer_auth="", ) as sdk: res = sdk.llm.speech.transcribe(file={ "file_name": "example.file", "content": open("example.file", "rb"), }, model="auto", language="en", include_speaker_data=True, prompt="This is a technical podcast about machine learning.", temperature=0.2, store=True) # Handle response print(res) - lang: typescript label: Typescript (SDK) source: |- import { SDK } from "@meetkai/mka1"; import { openAsBlob } from "node:fs"; const sdk = new SDK({ bearerAuth: "", }); async function run() { const result = await sdk.llm.speech.transcribe({ language: "en", includeSpeakerData: true, prompt: "This is a technical podcast about machine learning.", temperature: 0.2, store: true, requestBody: { file: await openAsBlob("example.file"), }, }); console.log(result); } run(); - lang: csharp label: CSharp (SDK) source: |- using MeetKai.MKA1; using MeetKai.MKA1.Types.Components; using MeetKai.MKA1.Types.Requests; var sdk = new SDK(bearerAuth: ""); TranscribeRequest req = new TranscribeRequest() { Language = "en", IncludeSpeakerData = true, Prompt = "This is a technical podcast about machine learning.", Temperature = 0.2D, Store = true, Body = new TranscribeRequestBody() { File = new TranscribeFile() { FileName = "example.file", Content = System.IO.File.ReadAllBytes("example.file"), }, }, }; var res = await sdk.Llm.Speech.TranscribeAsync(req); // handle response components: schemas: TranscriptionResponse: type: object properties: text: type: string description: O texto transcrito do arquivo de áudio language: type: string description: >- O código de idioma detectado ou especificado no formato ISO-639-1 (por exemplo, 'en', 'es', 'fr') confidence: type: number description: >- Pontuação de confiança de 0 a 1, onde 1 indica a maior confiança na precisão da transcrição. speakers: type: array items: $ref: '#/components/schemas/SpeakerSegment' description: >- Segmentos de diarização de falantes, retornados apenas quando include_speaker_data é verdadeiro. required: - text description: >- Resposta do endpoint de transcrição contendo o texto transcrito, idioma detectado, pontuação de confiança e segmentos de falantes opcionais. examples: - text: Hello, this is a sample transcription of the audio file. language: en confidence: 0.95 speakers: - speaker: Speaker-1 text: Hello, this is a sample transcription of the audio file. confidence: 0.95 offset_ms: 0 duration_ms: 2100 SpeakerSegment: type: object properties: speaker: type: string description: >- Identificador de locutor detectado para este segmento, por exemplo 'Locutor-1'. text: type: string description: O texto transcrito para este segmento do orador. confidence: type: number description: Pontuação de confiança de 0 a 1 para este segmento. offset_ms: type: integer minimum: -9007199254740991 maximum: 9007199254740991 description: Início do deslocamento do segmento em milissegundos. duration_ms: type: integer minimum: -9007199254740991 maximum: 9007199254740991 description: Duração do segmento em milissegundos. required: - speaker - text securitySchemes: bearerAuth: type: http scheme: bearer bearerFormat: API Key description: >- Gateway auth: send `Authorization: Bearer `. For multi-user server-side integrations, you can also send `X-On-Behalf-Of: `. ````