هوش مصنوعی هرمزهرمزورود

ElevenLabs: Scribe v2: مدل صوتی

Scribe v2 مدلِ گفتار-به-متنِ ElevenLabs برای بیش از ۹۰ زبان است، با زمان‌بندیِ واژه‌به‌واژه و برچسبِ اختیاریِ گوینده. از داخل ایران و از طریق هرمز.

قیمت:
$0.001833/minute of audio
تخفیف:
−50%
نوع:
audio
  • صوت

Scribe v2 یک مدلِ گفتار-به-متن از ElevenLabs است که صدا را به بیش از ۹۰ زبان رونویسی می‌کند. زمان‌بندیِ واژه‌به‌واژه برمی‌گرداند، می‌تواند گوینده‌ها را از هم جدا کند و رویدادهای صوتیِ داخلِ ضبط را هم علامت می‌زند.

هرمز Scribe v2 را روی دو مسیر ارائه می‌دهد: مسیرِ سازگار با OpenAI یعنی /v1/audio/transcriptions که متن را در همان پاسخ برمی‌گرداند، و /v1/predictions برای ضبط‌های طولانی که در پس‌زمینه پردازش می‌شوند. در آزمایش‌های ما روی گفتارِ فارسی، رونویسیِ دقیقی تحویل داد. برای مصاحبه، جلسه و هر ضبطی که بیش از یک گوینده دارد مناسب است.

هزینه به ازای هر دقیقه صدا محاسبه می‌شود؛ نرخِ روز در جدولِ قیمتِ همین صفحه آمده و فقط بابت مصرفِ واقعی پرداخت می‌کنید. هرمز دسترسیِ پایدار به آن را از داخل ایران فراهم می‌کند، بدون نیاز به کارت اعتباری خارجی یا ابزارهای دور زدن تحریم.

ElevenLabs Scribe v2 is a speech-to-text model that transcribes audio in 90+ languages with word-level timestamps, optional speaker diarization, and audio-event tagging.

شروع سریع

curl https://api.hormouz.net/v1/audio/transcriptions \
  -H "Authorization: Bearer ng-YOUR_API_KEY" \
  -F model=elevenlabs/scribe-v2 \
  -F file=@audio.mp3

مشخصات

سازندهElevenlabs
نوعصدا
پنجره زمینه—
قیمتقیمت پیشین: $0.003667/minute of audioقیمت با تخفیف: $0.001833/minute of audio−50%
نوع APItranscriptions

نمونه کد

cURL
curl https://api.hormouz.net/v1/audio/transcriptions \
  -H "Authorization: Bearer ng-YOUR_API_KEY" \
  -F model=elevenlabs/scribe-v2 \
  -F file=@audio.mp3
Python
from openai import OpenAI
client = OpenAI(api_key="ng-YOUR_API_KEY", base_url="https://api.hormouz.net/v1")
with open("audio.mp3", "rb") as f:
    tr = client.audio.transcriptions.create(model="elevenlabs/scribe-v2", file=f)
print(tr.text)
JavaScript
import OpenAI from "openai";
import fs from "node:fs";
const client = new OpenAI({ apiKey: "ng-YOUR_API_KEY", baseURL: "https://api.hormouz.net/v1" });
const tr = await client.audio.transcriptions.create({
  model: "elevenlabs/scribe-v2",
  file: fs.createReadStream("audio.mp3"),
});
console.log(tr.text);

خرید API ElevenLabs: Scribe v2 با پرداخت ریالی

  • با کارت بانکی ایرانی اعتبار بخرید؛ کارت ارزی و حساب خارجی لازم نیست.
  • با یک کلید هرمز به ElevenLabs: Scribe v2 و بیش از ۶۰۰ مدل دیگر دسترسی دارید و فقط به اندازه‌ی مصرف می‌پردازید.
  • بدون فیلترشکن و بدون خطر بن شدن حساب؛ کافی است آدرس پایه را به api.hormouz.net/v1 تغییر دهید.
ساخت حساب

استفاده از طریق هرمز

با یک کلید API به این مدل و بیش از ۶۰۰ مدل دیگر وصل شوید و مصرف هر مدل را تا سطح هر درخواست ببینید.

درخواست دسترسی شرکتی

سوالات متداول

هزینه‌ی استفاده از Scribe v2 چقدر است؟
هزینه به ازای هر دقیقه صدا محاسبه می‌شود؛ نرخِ روز در جدولِ قیمتِ همین صفحه آمده و فقط بابت مصرفِ واقعی پرداخت می‌کنید.
چطور از داخل ایران به Scribe v2 دسترسی داشته باشم؟
کافی است در هرمز حساب بسازید و یک کلید API بگیرید. هرمز مسیرِ دسترسیِ پایدار به این مدل را از داخل ایران فراهم می‌کند و نیازی به کارت اعتباری خارجی یا ابزارِ دور زدنِ تحریم ندارید.
چطور Scribe v2 را فراخوانی کنم؟
هرمز Scribe v2 را روی دو مسیر ارائه می‌دهد. مسیرِ سازگار با OpenAI یعنی POST /v1/audio/transcriptions فایل را به‌صورتِ فیلدِ multipart با نامِ «file»، یا به‌صورتِ JSON در input_audio (با data به‌شکلِ base64 و format) می‌گیرد و {text, usage} را در همان پاسخ برمی‌گرداند. POST /v1/predictions ضبط‌های طولانی را در پس‌زمینه پردازش می‌کند: input.audio یک نشانیِ https یا یک data: URI است و input.language اختیاری است؛ اگر input.diarize را true بگذارید، گوینده‌ها هم برچسب می‌خورند. کدی که برای SDK اوپن‌ای‌آی نوشته شده فقط با تغییرِ آدرسِ پایه کار می‌کند.
آیا Scribe v2 گوینده‌ها را از هم تشخیص می‌دهد؟
بله. در /v1/predictions مقدارِ input.diarize را true بگذارید؛ در /v1/audio/transcriptions پارامترِ diarize را همراه با response_format برابرِ verbose_json بفرستید. متن با برچسبِ نوبتِ هر گوینده برمی‌گردد.

به‌روزرسانی: 2026-10-13