palatine/speech-to-text-stream

Расшифровка речи (STT)

Palatine — потоковое распознавание речи в реальном времени: WebSocket-сессия, промежуточные результаты по мере речи (формат событий OpenAI Realtime transcription). Вход — PCM 16 бит, 8–48 кГц.

Провайдеров

Цена / мин

0.29 ₽/мин

Макс. длительность

60 мин

Аудио потока

PCM16 · моно

8–48 кГц · реком. 16

Тип

Расшифровка речи (STT)

Разработчик

palatine

Провайдеры

Статус	Провайдер	Цена / мин
Онлайн	Palatine Speech	0.29 ₽/мин

Цены обновлены: 22.08.2026

Примеры использования

bash

# WebSocket-эндпоинт — curl не подходит; консольный клиент: websocat.
websocat "wss://api.tsarrouter.ru/v1/realtime/transcriptions?model=palatine/speech-to-text-stream" \
  -H "Authorization: Bearer sk-tsar-ваш-ключ"

# Клиент шлёт JSON-события (аудио — base64 PCM16LE mono, 8–48 кГц):
#   {"type":"session.update","session":{"audio":{"input":{"format":{"type":"audio/pcm","rate":16000}}}}}
#   {"type":"input_audio_buffer.append","audio":"<base64 PCM16>"}   # чанки ~200 мс
#   {"type":"input_audio_buffer.commit"}                            # конец фразы
# Сервер отвечает (формат OpenAI Realtime transcription):
#   conversation.item.input_audio_transcription.delta      # текст по мере речи
#   conversation.item.input_audio_transcription.completed  # финал + usage.seconds

Документация →