Подключить Whisper API в России: распознавание и транскрибация речи без VPN и с оплатой в рублях

Обновлено:

Whisper API переводит аудиозаписи в текст: расшифровка звонков, встреч, голосовых сообщений и субтитры для видео. AI Mediator даёт доступ к моделям распознавания речи из России без VPN, с оплатой в рублях.

Доступные модели: whisper-1, gpt-transcribe, gpt-4o-transcribe, gpt-4o-mini-transcribe, gpt-4o-transcribe-diarize и gemini-3.5-transcribe.

получить API-ключ
  • • БЕЗ VPN
  • • ОПЛАТА В РУБЛЯХ
  • • ДОКУМЕНТООБОРОТ ПО ЭДО

ЧТО ТАКОЕ WHISPER API

Whisper — модель распознавания речи от OpenAI. Через API ей передают аудиофайл, а в ответ получают расшифровку: обычный текст, JSON с разбивкой на сегменты и таймкодами или готовые субтитры в форматах SRT и VTT. Модель понимает русский и десятки других языков и сама определяет язык записи.

Название «Whisper API» закрепилось за всей задачей транскрибации, хотя сейчас у OpenAI есть и более новые модели — gpt-transcribe и семейство gpt-4o-transcribe. Они работают через тот же эндпоинт /v1/audio/transcriptions, поэтому переход с whisper-1 сводится к замене названия модели в запросе.

КАК ПОДКЛЮЧИТЬСЯ К WHISPER API

Шаг #1

Зарегистрироваться в личном кабинете — нужен только email

Шаг #2

Пополнить баланс картой российского банка или по счёту

Шаг #3

Получить единый ключ и отправить первый аудиофайл на расшифровку

МОДЕЛИ РАСПОЗНАВАНИЯ РЕЧИ

В AI Mediator доступны модели транскрибации от двух вендоров — OpenAI и Google. Все они вызываются через один эндпоинт и один API-ключ. Часть моделей тарифицируется за секунду аудио, часть — за токены. Актуальные ставки в рублях — на странице тарифов.

Модели распознавания речи и их назначение, ноябрь 2026
Модель Вендор Тарификация Для чего подходит лучше всего
gpt-transcribe OpenAI за секунду аудио Актуальная модель транскрибации OpenAI: точнее whisper-1 и дешевле его. Рекомендуемый выбор для новых проектов.
gpt-4o-transcribe OpenAI за токены Высокая точность на шумных записях, акцентах и специальной терминологии.
gpt-4o-mini-transcribe OpenAI за токены Самая экономичная модель OpenAI для массовой расшифровки: голосовые сообщения, короткие записи.
gpt-4o-transcribe-diarize OpenAI за токены Транскрибация с разделением речи по говорящим — для встреч, интервью и звонков.
whisper-1 OpenAI за секунду аудио Классическая модель Whisper: субтитры SRT и VTT, таймкоды сегментов. Для совместимости с существующими интеграциями.
gemini-3.5-transcribe Google за токены Модель распознавания речи от Google — альтернатива моделям OpenAI для многоязычных записей.

ВЫБИРАЕМ МОДЕЛЬ ПОД ЗАДАЧУ

Расшифровка встреч и звонков

gpt-4o-transcribe-diarize — текст размечен по говорящим, удобно для протоколов и контроля качества в колл-центре.

Субтитры для видео

whisper-1 с параметром response_format=srt или vtt — готовый файл субтитров с таймкодами без дополнительной обработки.

Массовая расшифровка

gpt-transcribe или gpt-4o-mini-transcribe — голосовые сообщения, заметки, короткие записи в больших объёмах при низкой цене.

Расшифровку удобно сразу передать генеративной модели по тому же ключу: составить краткое резюме встречи, выделить задачи, перевести текст на другой язык или классифицировать обращение. Модели для этого — на страницах OpenAI API, Claude API и Gemini API.

ПРИМЕР ЗАПРОСА К WHISPER API

Эндпоинт AI Mediator — https://api.ai-mediator.ru/v1, авторизация — заголовком Authorization: Bearer, формат совместим с OpenAI SDK. Аудиофайл передаётся как multipart/form-data.

Запрос через cURL

curl https://api.ai-mediator.ru/v1/audio/transcriptions \
  -H "Authorization: Bearer $AI_MEDIATOR_API_KEY" \
  -F model="gpt-transcribe" \
  -F file="@meeting.mp3"

Python, OpenAI SDK

import os
from openai import OpenAI

client = OpenAI(
    api_key=os.environ.get("AI_MEDIATOR_API_KEY"),
    base_url="https://api.ai-mediator.ru/v1",
)

with open("meeting.mp3", "rb") as audio:
    transcript = client.audio.transcriptions.create(
        model="gpt-transcribe",
        file=audio,
    )
print(transcript.text)

Субтитры SRT через whisper-1

curl https://api.ai-mediator.ru/v1/audio/transcriptions \
  -H "Authorization: Bearer $AI_MEDIATOR_API_KEY" \
  -F model="whisper-1" \
  -F response_format="srt" \
  -F file="@video.mp4" > video.srt

Для формата WebVTT укажите response_format="vtt".

JavaScript, OpenAI SDK

import fs from "fs";
import OpenAI from "openai";

const client = new OpenAI({
    apiKey: process.env.AI_MEDIATOR_API_KEY,
    baseURL: "https://api.ai-mediator.ru/v1"
});

const result = await client.audio.transcriptions.create({
    model: "gpt-4o-mini-transcribe",
    file: fs.createReadStream("voice.m4a")
});
console.log(result.text);

Ответ API

{
  "text": "Как оформить возврат товара?",
  "usage": {
    "type": "duration",
    "seconds": 2.0
  }
}

Расшифровка приходит в поле text. В usage — длительность аудио или число токенов, по которым считается стоимость запроса.

Другие примеры работы с API — в документации AI Mediator. Актуальные ставки — на странице тарифов.

ЧАСТО ЗАДАВАЕМЫЕ ВОПРОСЫ
О WHISPER API

Что такое Whisper API?

Whisper API — это API распознавания речи от OpenAI: вы отправляете аудиофайл, а в ответ получаете его текстовую расшифровку. Модель whisper-1 понимает русский и десятки других языков, сама определяет язык записи и умеет возвращать текст с таймкодами — в виде субтитров SRT или VTT.

Можно ли использовать Whisper API из России без VPN?

Да, через AI Mediator. Запросы уходят на российский эндпоинт api.ai-mediator.ru, который проксирует их к моделям распознавания речи OpenAI и Google — VPN не требуется.

Чем whisper-1 отличается от gpt-transcribe и gpt-4o-transcribe?

whisper-1 — первая модель транскрибации OpenAI, сейчас она относится к предыдущему поколению. gpt-transcribe и gpt-4o-transcribe — более новые модели: они обычно точнее на шумных записях, акцентах и специальной терминологии. gpt-transcribe тарифицируется посекундно и дешевле whisper-1, модели gpt-4o-transcribe — потокенно. Для новых проектов разумно начинать с gpt-transcribe, а whisper-1 оставлять для совместимости с уже работающими интеграциями.

Как получить субтитры с таймкодами?

Используйте модель whisper-1 и параметр response_format со значением srt или vtt — в ответ придёт готовый файл субтитров. Значение verbose_json возвращает текст с разбивкой на сегменты и таймкодами в формате JSON.

Можно ли разделить расшифровку по говорящим?

Да, для этого есть модель gpt-4o-transcribe-diarize: она размечает, какой фрагмент текста произнёс какой участник разговора. Подходит для записей встреч, интервью и звонков в колл-центр.

Какие форматы аудио поддерживаются?

Модели OpenAI принимают распространённые форматы: mp3, mp4, mpeg, mpga, m4a, wav и webm. Длинные записи удобнее делить на фрагменты по несколько минут — так быстрее обработка и проще повторить запрос при сбое сети.

Поддерживается ли перевод аудио на английский через Whisper API?

Эндпоинт /v1/audio/translations через AI Mediator сейчас недоступен. Тот же результат даёт связка из двух запросов: сначала транскрибация аудио на языке оригинала, затем перевод текста любой генеративной моделью — GPT, Claude или Gemini — по тому же API-ключу.

Сколько стоит распознавание речи через AI Mediator?

whisper-1 и gpt-transcribe тарифицируются за секунду аудио, модели gpt-4o-transcribe и gemini-3.5-transcribe — за аудиотокены на входе и текстовые токены на выходе. Оплата в рублях, актуальные ставки — на странице тарифов.

Подходит ли Whisper API через AI Mediator для юридических лиц?

Да. AI Mediator работает от ООО «ЛТ Сервис Групп» с российскими реквизитами, поддерживает документооборот по ЭДО и подходит для интеграции в коммерческие продукты: колл-центры, сервисы протоколирования встреч, обработку голосовых сообщений.

НАЧАТЬ РАБОТУ С WHISPER API

Получите единый ключ и подключите распознавание речи к своему продукту.

ПОДКЛЮЧИТЬСЯ К API