Video-to-Text

Transkrypcja wideo na tekst przez API z modelem Whisper

Q: Czy mogę zrobić transkrypcję filmu z YouTube'a bez pobierania go?

Tak. Wyślij link do filmu w polu source_url. Tak samo działają linki do postów i Spaces na X oraz do nagrań z Twitcha, Kicka i TikToka. Wgrywane pliki mogą mieć do 20 MB (audio) lub 50 MB (wideo), więc przy długich nagraniach wygodniej wysłać link.

Q: Czy dostanę znaczniki czasu do napisów?

Tak. Ustaw include_ts na true. Znaczniki czasu segmentów są w cenie, a ts_level: "word" podnosi cenę o 50%. Każdy segment ma czas początku i końca w sekundach, z których złożysz napisy SRT lub VTT. Samo API nie zwraca gotowych plików z napisami.

Q: Czy API rozpoznaje, kto mówi?

Tak. Ustaw diarize na true, a każdy segment (przy znacznikach czasu słów także każde słowo) dostanie etykietę mówcy, np. SPEAKER_00. Cena rośnie wtedy o 50%.

Wgrywasz plik audio lub wideo albo wysyłasz link z YouTube'a, TikToka, X, Twitcha lub Kicka. Model WhisperLargeV3Ct2 zwraca JSON z tekstem, wykrytym językiem i segmentami ze znacznikami czasu.

Godzina nagrania z pliku lub z YouTube'a kosztuje 0,052 $, a 10 minut 0,013 $
Znaczniki czasu segmentów bez dopłaty, a dla pojedynczych słów za 50% więcej
Wystarczy wysłać adres filmu, nie musisz go pobierać

Odbierz 5 $ na start Obsługiwane źródła

Bez karty kredytowej · Darmowe kredyty są ważne 90 dni · Potem doładowujesz konto i płacisz za użycie, bez abonamentu

WhisperLargeV3Ct2 Video-to-Text

Transkrypcja zwrócona przez API Dzięki, że dołączyłeś do dzisiejszej rozmowy. Nową stronę z cennikiem opublikujemy w poniedziałek, a zespół wsparcia zaktualizuje Centrum Pomocy do Środy.

plik 6,4 s · wykryty język: pl (ponad 99%) · znaczniki czasu segmentów Koszt w deAPI: 0,0051 $ (stan na październik 2026)

Co możesz zamienić na tekst

Jeden endpoint, POST /api/v2/audio/transcriptions, przyjmuje zarówno link, jak i plik.

Znaczniki czasu: włącz include_ts. Poziom segment w ts_level jest w cenie, a poziom word podnosi cenę o 50%. API zwraca czas początku i końca w sekundach, a plik SRT lub VTT składasz z nich samodzielnie.
Mówcy: parametr diarize przypisuje etykietę mówcy (SPEAKER_00, SPEAKER_01…) każdemu segmentowi, a przy znacznikach czasu słów także każdemu słowu. Podnosi cenę o 50%. Znaczniki czasu słów i rozpoznawanie mówców włączone razem również kosztują tylko 50% więcej.
Język: model sam go wykrywa i zwraca razem z language_probability. Możesz go też ustawić parametrem lang (np. "lang": "pl").

Źródło	Jak wysłać	Przykładowe zastosowania
Pliki audio i wideo	`source_file` (przesyłanie multipart, do 20 MB audio lub 50 MB wideo)	Rozmowy, podcasty, wywiady, wykłady
YouTube	`source_url`	Napisy, wyszukiwanie w nagraniach z kanału, streszczenia
TikTok	`source_url`	Napisy, monitoring mediów społecznościowych, moderacja treści
Posty i Spaces na X	`source_url`	Monitoring mediów społecznościowych, zapis nagranych Spaces w formie tekstu
Twitch i Kick	`source_url`	Najlepsze momenty ze streamów, wyszukiwanie wzmianek o sponsorach

Cennik API do transkrypcji

Płacisz za każde zapytanie według długości nagrania: 0,0058 $ za minutę i 0,052 $ za godzinę. Bez abonamentu. Ceny są w dolarach amerykańskich (USD).

Długość	Cena	Nagrań za 5 $
1 minuta	0,0058 $	≈ 864
10 minut	0,013 $	≈ 390
1 godzina	0,052 $	≈ 96

Co zawiera darmowe konto

5 $ kredytów, czyli około 96 godzin nagrań z plików lub z YouTube'a
1 zapytanie o transkrypcję na minutę i do 10 dziennie, dopóki nie doładujesz konta
Bez karty kredytowej, kredyty ważne 90 dni

Odbierz 5 $ na start

Ceny dla plików i linków z YouTube'a w modelu WhisperLargeV3Ct2, pobrane z cennika API deAPI (październik 2026), w USD. Godzina nagrania z Twitcha, Kicka i X kosztuje więcej niż z pliku, a każda z tych platform ma własną stawkę. TikTok jest wyceniany według przedziałów długości. Znaczniki czasu słów, diarize lub oba naraz podnoszą cenę o 50%. Dokładną wycenę zwraca POST /api/v2/audio/transcriptions/price.

Przykładowe zapytanie do API transkrypcji

Link wysyłasz jako JSON, a plik jako multipart. W miejsce YOUR_API_KEY wstaw klucz z panelu.

Endpoint: POST /api/v2/audio/transcriptions
Identyfikator modelu: WhisperLargeV3Ct2
Wejście: source_url albo source_file (20 MB audio, 50 MB wideo)
Wynik: JSON z polami text, language i segments[]; każdy segment ma start i end
Limity darmowego konta: 1 zapytanie na minutę, do 10 dziennie

curl -X POST 'https://api.deapi.ai/api/v2/audio/transcriptions' \
  -H 'Authorization: Bearer YOUR_API_KEY' \
  -H 'Accept: application/json' \
  -F 'model=WhisperLargeV3Ct2' \
  -F 'include_ts=true' \
  -F 'ts_level=segment' \
  -F '[email protected]'

import time, requests

API = "https://api.deapi.ai/api/v2"
HEADERS = {"Authorization": "Bearer YOUR_API_KEY", "Accept": "application/json"}

job = requests.post(f"{API}/audio/transcriptions", headers=HEADERS, json={
    "model": "WhisperLargeV3Ct2",
    "source_url": "https://www.youtube.com/watch?v=jNQXAC9IVRw",
    "include_ts": True,
    "ts_level": "segment",
}).json()["data"]

while True:
    status = requests.get(f"{API}/jobs/{job['request_id']}", headers=HEADERS).json()["data"]
    if status["status"] in ("done", "error"):
        break
    time.sleep(3)

# gotowe: transkrypcja w formacie JSON (text, language, segments) jest pod adresem z status["result_url"]
print(status.get("result_url"))

Pełna dokumentacja API Strona modelu

Czym jest API do transkrypcji?

API do transkrypcji zamienia mowę z pliku audio lub wideo na tekst, który możesz zapisać, przeszukiwać albo wykorzystać jako napisy. deAPI uruchamia otwarty model Whisper od OpenAI (WhisperLargeV3Ct2) w rozproszonej sieci GPU i przyjmuje linki. Możesz więc wysłać adres filmu z YouTube'a, zamiast pobierać go i wgrywać jako plik.

Załóż darmowe konto

Zarejestruj się i odbierz 5 $ kredytów. Karta kredytowa nie jest potrzebna.
Utwórz klucz API

Utwórz klucz w panelu albo najpierw przetestuj link w Playground.
Wyślij plik lub link

Wyślij zapytanie POST na /api/v2/audio/transcriptions, a transkrypcję odczytaj z wyniku zadania.

Transkrypcja przez API: najczęstsze pytania

Whisper obsługuje język polski. Nagranie z początku tej strony WhisperLargeV3Ct2 rozpoznał jako polskie z prawdopodobieństwem ponad 99%, a wszystkie słowa zgadzały się z nagraniem. Język możesz też ustawić sam parametrem lang, np. "pl".

Godzina nagrania audio lub wideo z pliku albo z linku do YouTube'a kosztuje 0,052 $, 10 minut 0,013 $, a minuta 0,0058 $ (październik 2026). Transkrypcja z linków do Twitcha, Kicka, X i TikToka jest droższa, więc przed wysłaniem sprawdź wycenę przez POST /api/v2/audio/transcriptions/price. Płacisz w USD za każde zapytanie, bez abonamentu.

Tak, w ramach 5 $ kredytów na start. Nowe konto dostaje je bez karty kredytowej, a wystarczą na około 96 godzin nagrań z plików. Do pierwszego doładowania konto może wysłać 1 zapytanie o transkrypcję na minutę i do 10 dziennie. Kredyty są ważne 90 dni.

Tak. Wyślij link do filmu w polu source_url. Tak samo działają linki do postów i Spaces na X oraz do nagrań z Twitcha, Kicka i TikToka. Wgrywane pliki mogą mieć do 20 MB (audio) lub 50 MB (wideo), więc przy długich nagraniach wygodniej wysłać link.

Tak. Ustaw include_ts na true. Znaczniki czasu segmentów są w cenie, a ts_level: "word" podnosi cenę o 50%. Każdy segment ma czas początku i końca w sekundach, z których złożysz napisy SRT lub VTT. Samo API nie zwraca gotowych plików z napisami.

Tak. Ustaw diarize na true, a każdy segment (przy znacznikach czasu słów także każde słowo) dostanie etykietę mówcy, np. SPEAKER_00. Cena rośnie wtedy o 50%.

Nie, to osobna usługa. deAPI udostępnia otwarty model Whisper od OpenAI i uruchamia go we własnej sieci GPU. Natywne API deAPI ma własny format zapytań. Jeśli korzystasz już z OpenAI SDK, deAPI ma też endpoint zgodny z OpenAI pod adresem https://oai.deapi.ai/v1/audio/transcriptions. Podajesz w nim identyfikatory modeli deAPI, bo alias whisper-1 nie działa.

Zamień pierwsze nagranie na tekst za darmowe 5 $

Rejestracja przez e-mail albo Google. Bez karty kredytowej i bez abonamentu.

Odbierz 5 $ na start Docs

Zobacz też

Darmowe API do obrazów AI

Transkrypcja wideo na tekst przez API z modelem Whisper

Co możesz zamienić na tekst

Cennik API do transkrypcji

Co zawiera darmowe konto

Przykładowe zapytanie do API transkrypcji

Czym jest API do transkrypcji?

Załóż darmowe konto

Utwórz klucz API

Wyślij plik lub link

Transkrypcja przez API: najczęstsze pytania

Czy Whisper dobrze rozpoznaje polską mowę?

Ile kosztuje transkrypcja wideo przez API?

Czy mogę przetestować transkrypcję za darmo?

Czy mogę zrobić transkrypcję filmu z YouTube'a bez pobierania go?

Czy dostanę znaczniki czasu do napisów?

Czy API rozpoznaje, kto mówi?

Czy Whisper w deAPI to to samo co Whisper API od OpenAI?

Zamień pierwsze nagranie na tekst za darmowe 5 $

Zobacz też