> ## 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. # Transcripción de voz a texto > Convierte audio a texto utilizando reconocimiento de voz avanzado. **Carga de Archivo Completo (Estándar)** Utiliza `Content-Type: multipart/form-data` para cargar el archivo de audio completo en una sola solicitud. Tamaño máximo del archivo: 25MB. Ejemplo: ```bash curl -X POST "http://localhost:3000/api/v1/llm/speech/transcriptions?language=es" \ -F "file=@audio.flac" ``` **Carga en Fragmentos (Streaming)** Utiliza el encabezado `Transfer-Encoding: chunked` para transmitir datos de audio en fragmentos a medida que se graban. No es necesario conocer el tamaño total del archivo por adelantado. El servidor almacena los fragmentos hasta que se completan antes de procesarlos. Tamaño total máximo: 25MB. Ejemplo: ```bash curl -X POST "http://localhost:3000/api/v1/llm/speech/transcriptions?language=es" \ -H "Transfer-Encoding: chunked" \ -H "Content-Type: multipart/form-data" \ --data-binary @audio.flac ``` **Formatos Soportados:** FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV, WebM **Parámetros de Consulta:** - `model` (opcional): Identificador del modelo de transcripción. Por defecto es 'auto'. - `language` (opcional): Código de idioma ISO-639-1 o BCP-47 (por ejemplo, "es", "es-ES"). Se detecta automáticamente si no se especifica. - `prompt` (opcional): Parámetro de solicitud heredado mantenido por compatibilidad hacia atrás. - `temperature` (opcional): Parámetro de temperatura heredado mantenido por compatibilidad hacia atrás. - `include_speaker_data` (opcional): Cuando es `true`, incluye datos de diarización de hablantes y requiere entrada WAV/PCM. De lo contrario, la transcripción utiliza la ruta de compatibilidad estándar. **Respuesta:** Devuelve el texto transcrito en formato JSON. ## OpenAPI ````yaml https://apigw.mka1.com/speakeasy.json?language=es post /api/v1/llm/speech/transcriptions openapi: 3.1.1 info: title: MKA1 API version: 1.1.0 description: >- La API MKA1 es una API RESTful que proporciona acceso a la plataforma MKA1. Aprende cómo comenzar con la API y el SDK de TypeScript [aquí](https://mka1.apidocumentation.com/guides/getting-started). license: name: Propietario 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: >- Gestiona permisos para recursos LLM. Crea recursos, otorga/revoca permisos y elimina recursos. Solo los propietarios de recursos pueden otorgar, revocar o eliminar permisos. x-displayName: Autorización de Recursos - name: Embeddings description: >- Puntos finales de la API de incrustación de texto para generar representaciones vectoriales del texto. Crea incrustaciones semánticas para búsqueda, agrupamiento y coincidencia de similitudes utilizando varios modelos de incrustación. x-displayName: Incrustaciones - name: Feedback description: >- API de retroalimentación del usuario para calificar y comentar sobre las completaciones de chat. Recopila calificaciones de pulgares arriba/abajo y comentarios detallados para mejorar las respuestas del modelo y rastrear la satisfacción del usuario. x-displayName: Retroalimentación - name: Images description: >- Puntos finales de la API de generación de imágenes para crear imágenes a partir de descripciones de texto. Genera imágenes con control sobre el tamaño, la calidad y el estilo. x-displayName: Imágenes - name: MCP Vault description: >- API de bóveda MCP para almacenar configuraciones de servidor MCP propiedad del usuario y credenciales encriptadas. Los agentes hacen referencia a los ID de la bóveda para que los secretos se resuelvan solo en el momento de la ejecución de la herramienta. x-displayName: Bóveda MCP - name: Speech description: >- Puntos finales de la API de voz para el procesamiento de audio. Convierte texto en habla natural (TTS) o transcribe el habla a texto (STT) en diferentes idiomas. x-displayName: Discurso - name: Usage description: >- API de seguimiento de uso y análisis para monitorear el consumo de tokens, la cantidad de solicitudes y el análisis de costos. Visualiza estadísticas detalladas por usuario, modelo y período de tiempo. x-displayName: Uso - name: Extract description: >- API de extracción de datos estructurados para extraer información de archivos. Define esquemas JSON para extraer datos estructurados de imágenes, PDFs y documentos. Soporta plantillas de esquemas reutilizables. x-displayName: Extracción - name: Text Classification description: >- API de clasificación de texto para categorizar texto en etiquetas predefinidas. Utilice modelos de IA para clasificar el contenido del texto para análisis de sentimientos, categorización de temas y moderación de contenido. x-displayName: Clasificación de Texto - name: Responses description: >- API de respuestas impulsadas por agentes para crear agentes de IA con uso autónomo de herramientas. Crea asistentes conversacionales que pueden utilizar búsqueda en la web, operaciones con archivos, generación de imágenes, ejecución de código, simulación de uso de computadoras e integraciones de MCP. Soporta procesamiento en segundo plano, transmisión y seguimiento de estado en tiempo real. x-displayName: Respuestas - name: Files description: >- API de gestión de archivos para cargar, almacenar y gestionar archivos con expiración automática e integración con S3. Carga archivos que se pueden usar con Asistentes, Almacenes Vectoriales y otras funciones. Los archivos se almacenan en S3 con metadatos rastreados en PostgreSQL. Soporta la limpieza automática de archivos expirados. x-displayName: Archivos - name: Vector Stores description: >- API de almacenamiento de vectores para almacenar y buscar documentos utilizando incrustaciones. Crea almacenes de vectores, sube archivos con fragmentación automática y generación de incrustaciones, y realiza búsquedas semánticas. Los archivos se procesan de forma asincrónica utilizando flujos de trabajo de Temporal para durabilidad. Soporta limpieza automática de almacenes caducados y LanceDB para almacenamiento eficiente de vectores. x-displayName: Almacenes de Vectores - name: Conversations description: >- API de gestión de conversaciones para almacenar y recuperar el estado de la conversación a través de llamadas a la API de respuesta. Crea conversaciones, añade elementos (mensajes de usuario, mensajes del asistente, mensajes del sistema) y mantiene el historial de la conversación. Soporta seguimiento de metadatos y gestión del estado del diálogo en múltiples turnos. x-displayName: Conversaciones - name: Guardrails description: >- API de salvaguardias de seguridad de IA para configurar la moderación de contenido y las políticas de seguridad. Configura listas de palabras prohibidas, detección de inyección de mensajes y prevención de filtración de mensajes del sistema. Las salvaguardias se aplican a todas las solicitudes de una cuenta y se pueden probar antes del despliegue. x-displayName: Barandillas - name: Models description: >- API de listado de modelos para descubrir modelos disponibles. Devuelve IDs de modelos, propiedad y metadatos para todos los modelos registrados en la puerta de enlace. x-displayName: Modelos - name: Skills description: >- API de habilidades para gestionar paquetes de instrucciones y archivos versionados siguiendo el estándar de Habilidades del Agente. Crea, versiona y descarga paquetes de habilidades reutilizables que incluyen manifiestos SKILL.md para entornos de agentes. x-displayName: Habilidades - name: Chat Completions description: >- **Obsoleto: Usa la API de Respuestas (`/api/v1/llm/responses`) en su lugar.** Puntos finales de completación de chat con soporte para transmisión, llamadas a herramientas y múltiples proveedores. x-deprecated: true x-displayName: Completaciones de Chat - name: Batches x-displayName: Lotes - name: Evals x-displayName: Evaluaciones - name: Fine-Tuning x-displayName: Ajuste fino - name: Memory Stores x-displayName: Almacenes de memoria - name: Prompts x-displayName: Sugerencias - name: API Key x-displayName: Clave de API - name: Organization x-displayName: Organización - name: Cluster Admin x-displayName: Administrador de clúster - name: Sessions description: Crear, inspeccionar, acceder y terminar sesiones de sandbox. x-displayName: Sesiones - name: Browser description: >- Conéctate a las sesiones del navegador a través del proxy del puerto de la puerta de enlace. Las sesiones del navegador exponen un punto final del Protocolo de DevTools de Chrome en el puerto 9222. x-displayName: Navegador - name: Execution description: >- Ejecutar comandos de shell y código dentro de una sesión de sandbox existente. x-displayName: Ejecución - name: Workspace description: >- Inspeccionar el manifiesto del espacio de trabajo, transferir archivos o archivos comprimidos, y descargar artefactos generados. x-displayName: Espacio de trabajo - name: Sandbox Usage description: >- Agrega estadísticas de uso de sandbox entre sesiones, ejecución y operaciones del espacio de trabajo. x-displayName: Uso de Sandbox - name: Sandbox Pricing description: >- Gestión de administrador de clúster de la tarjeta de tarifas de cómputo del entorno aislado utilizada para el gasto presupuestado. x-displayName: Precios de Sandbox - name: Agents description: Crea y gestiona definiciones de agentes reutilizables. x-displayName: Agentes - name: Agent Versions description: >- Inspeccionar el historial de configuración de un agente y revertir a una versión anterior. x-displayName: Versiones de Agente - name: Agent Runs description: >- Ejecutar agentes guardados e inspeccionar los resultados de ejecución persistidos. x-displayName: Ejecuta Agentes - name: Agent Schedules description: >- Crea y gestiona ejecuciones de agentes programadas o recurrentes guardadas. x-displayName: Horarios de Agentes - name: schema-4_other x-displayName: otro - name: Budgets x-displayName: Presupuestos - name: Settings x-displayName: Configuración - name: Deployments description: Servidores de inferencia de larga duración. x-displayName: Implementaciones - name: Fine-Tune Jobs description: Enviar, monitorear y cancelar trabajos de ajuste fino. x-displayName: Trabajos de ajuste fino - name: Container Images description: Imágenes de contenedor personalizadas para implementaciones y trabajos. x-displayName: Imágenes de contenedores - name: Serving Models description: Modelos registrados para implementación y ajuste fino. x-displayName: Sirviendo modelos - name: Volumes description: Almacenamiento persistente para pesos y puntos de control. x-displayName: Volúmenes - name: Secrets description: Credenciales inyectadas en tus cargas de trabajo. x-displayName: Secretos - name: Accelerators description: Tipos de aceleradores disponibles (GPU, NPU, TPU). x-displayName: Aceleradores paths: /api/v1/llm/speech/transcriptions: post: tags: - Speech summary: Transcripción de voz a texto description: >- Convierte audio a texto utilizando reconocimiento de voz avanzado. **Carga de Archivo Completo (Estándar)** Utiliza `Content-Type: multipart/form-data` para cargar el archivo de audio completo en una sola solicitud. Tamaño máximo del archivo: 25MB. Ejemplo: ```bash curl -X POST "http://localhost:3000/api/v1/llm/speech/transcriptions?language=es" \ -F "file=@audio.flac" ``` **Carga en Fragmentos (Streaming)** Utiliza el encabezado `Transfer-Encoding: chunked` para transmitir datos de audio en fragmentos a medida que se graban. No es necesario conocer el tamaño total del archivo por adelantado. El servidor almacena los fragmentos hasta que se completan antes de procesarlos. Tamaño total máximo: 25MB. Ejemplo: ```bash curl -X POST "http://localhost:3000/api/v1/llm/speech/transcriptions?language=es" \ -H "Transfer-Encoding: chunked" \ -H "Content-Type: multipart/form-data" \ --data-binary @audio.flac ``` **Formatos Soportados:** FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV, WebM **Parámetros de Consulta:** - `model` (opcional): Identificador del modelo de transcripción. Por defecto es 'auto'. - `language` (opcional): Código de idioma ISO-639-1 o BCP-47 (por ejemplo, "es", "es-ES"). Se detecta automáticamente si no se especifica. - `prompt` (opcional): Parámetro de solicitud heredado mantenido por compatibilidad hacia atrás. - `temperature` (opcional): Parámetro de temperatura heredado mantenido por compatibilidad hacia atrás. - `include_speaker_data` (opcional): Cuando es `true`, incluye datos de diarización de hablantes y requiere entrada WAV/PCM. De lo contrario, la transcripción utiliza la ruta de compatibilidad estándar. **Respuesta:** Devuelve el texto transcrito en formato JSON. operationId: transcribe parameters: - name: model in: query schema: type: string default: auto description: >- Identificador del modelo de transcripción. Por defecto es 'auto', que selecciona el mejor modelo disponible. Se ignora cuando se solicita la diarización de hablantes. examples: - auto allowEmptyValue: true example: auto - name: language in: query schema: type: string description: >- El idioma del audio de entrada en formato ISO-639-1 o BCP-47 (por ejemplo, 'en' o 'en-US'). Si no se especifica, el servicio de transcripción detecta automáticamente el idioma. examples: - en allowEmptyValue: true example: en - name: include_speaker_data in: query schema: type: boolean default: false description: >- Si incluir datos de segmentos de oradores. Por defecto es falso. Cuando es verdadero, la respuesta incluye una matriz de oradores dividida por orador detectado. examples: - true allowEmptyValue: true example: true - name: prompt in: query schema: type: string description: >- Parámetro de solicitud legado mantenido para compatibilidad hacia atrás. Usado solo por la ruta de respaldo para cargas que no son 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: >- Parámetro de temperatura heredado mantenido por compatibilidad hacia atrás. Utilizado solo por la ruta de retroceso para cargas que no son WAV. examples: - 0.2 allowEmptyValue: true example: 0.2 - name: store in: query schema: type: boolean default: false description: >- Cuando es verdadero, persiste esta transcripción (el audio de entrada y el texto transcrito) en el historial de texto a voz. Por defecto es 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: >- Archivo de audio para transcribir. **Requisitos del archivo:** - Tamaño máximo: 25MB - Formatos soportados: FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV, WebM - La diarización de hablantes actualmente requiere entrada en WAV / PCM **Opciones de carga:** 1. Estándar: Cargar el archivo completo usando multipart/form-data 2. En trozos: Transmitir fragmentos del archivo usando el encabezado Transfer-Encoding: chunked (útil para grabación en tiempo real) **Nota:** Para cargas en trozos, el servidor almacena en búfer todos los fragmentos antes de procesarlos. La transcripción comienza solo después de recibir el archivo completo. required: - file responses: '200': description: Está bien 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: El texto transcrito del archivo de audio language: type: string description: >- El código de idioma detectado o especificado en formato ISO-639-1 (por ejemplo, 'en', 'es', 'fr') confidence: type: number description: >- Puntuación de confianza de 0 a 1 donde 1 indica la mayor confianza en la precisión de la transcripción. speakers: type: array items: $ref: '#/components/schemas/SpeakerSegment' description: >- Segmentos de diarización de hablantes, devueltos solo cuando include_speaker_data es verdadero. required: - text description: >- Respuesta del punto final de transcripción que contiene el texto transcrito, el idioma detectado, la puntuación de confianza y segmentos de hablante opcionales. 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 hablante detectado para este segmento, por ejemplo 'Hablante-1'. text: type: string description: El texto transcrito para este segmento del hablante. confidence: type: number description: Puntuación de confianza de 0 a 1 para este segmento. offset_ms: type: integer minimum: -9007199254740991 maximum: 9007199254740991 description: Offset de inicio del segmento en milisegundos. duration_ms: type: integer minimum: -9007199254740991 maximum: 9007199254740991 description: Duración del segmento en milisegundos. 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: `. ````