API تبدیل گفتار به متن تاک‌بات | وب‌سرویس صدا به متن

تبدیل گفتار به متن، یا صوت به متن، یا استخراج متن از فایل صوتی تاک‌بات، مبتنی بر آخرین نسل‌های هوش مصنوعی دنیا، به شما این امکان را می‌دهد تا صحبت‌های گوینده صوتی را به‌راحتی از فایل صوتی استخراج کنید و از این سیستم در برنامه‌ها، اپلیکیشن‌ها، وب‌سایت‌ها و یا افزونه‌های خود استفاده کنید.

جهت استفاده از این سیستم لازم است که بسته یاقوتی را خریداری نمایید و این بسته روی حساب کاربری شما فعال باشد. خرید بسته یاقوتی — شما همزمان می‌توانید به چندین تکنولوژی دیگر هوش مصنوعی متصل شوید؛ یکی از این تکنولوژی‌ها API تبدیل متن به گفتار می‌باشد.

📡 نحوه ارسال درخواست

این وب‌سرویس فایل صوتی شما را دریافت و بدون ذخیره‌سازی روی سرور، به‌صورت زنده (Stream) پردازش می‌کند. برای ارسال درخواست به این API، دو روش در دسترس است که می‌توانید بر اساس نیاز خود یکی را انتخاب کنید:

در این روش، آدرس اینترنتی (URL) فایل صوتی خود را در بدنه‌ی JSON درخواست ارسال می‌کنید. سرور تاک‌بات فایل را به‌صورت استریم از آن آدرس می‌خواند و همزمان، بدون ذخیره‌ی نسخه‌ای از آن روی دیسک، به موتور تبدیل گفتار به متن ارسال می‌کند.

Endpoint

POST https://api.talkbot.ir/v1/media/speech-to-text/REQ Content-Type: application/json

سربرگ‌ها (Headers)

Authorization: Bearer YOUR_ACCESS_TOKEN
Content-Type: application/json

بدنه درخواست (Body)

پارامتر	نوع	الزامی	توضیح
`url`	string	بله	آدرس اینترنتی فایل صوتی (کمتر از 50MB)
`language`	string	بله	کد زبان گفتار به‌صورت BCP-47، مثل `fa-IR`. مقادیر کوتاه مثل `fa`، `en`، `ar` نیز پذیرفته می‌شود.

مثال درخواست با PHP و cURL

<?php

$url = 'https://api.talkbot.ir/api/talkbot_12m1us.mp3';
$language = 'en-US';

$data = [
    'url'      => $url,
    'language' => $language
];

$ch = curl_init('https://api.talkbot.ir/v1/media/speech-to-text/REQ');

curl_setopt($ch, CURLOPT_CUSTOMREQUEST, 'POST');
curl_setopt($ch, CURLOPT_POSTFIELDS, json_encode($data));
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_HTTPHEADER, [
    'Authorization: Bearer YOUR_ACCESS_TOKEN',
    'Content-Type: application/json'
]);

$result = curl_exec($ch);
curl_close($ch);

echo $result;

مثال درخواست با cURL (خط فرمان)

curl -X POST https://api.talkbot.ir/v1/media/speech-to-text/REQ \
  -H "Authorization: Bearer YOUR_ACCESS_TOKEN" \
  -H "Content-Type: application/json" \
  -d '{"url":"https://example.com/path/to/audio.mp3","language":"fa-IR"}'

در این روش، خودِ فایل صوتی را مستقیماً و به‌صورت multipart/form-data آپلود می‌کنید؛ مناسب زمانی که فایل روی سرور دیگری در دسترس عموم نیست (مثلاً فایل ضبط‌شده در مرورگر یا اپلیکیشن موبایل کاربر). این فایل نیز مانند روش قبل، بدون ذخیره‌سازی دائم روی سرور، به‌صورت استریم به موتور تبدیل گفتار به متن فوروارد می‌شود.

Endpoint

POST https://api.talkbot.ir/v1/media/speech-to-text/REQ Content-Type: multipart/form-data

سربرگ‌ها (Headers)

Authorization: Bearer YOUR_ACCESS_TOKEN
Content-Type: multipart/form-data

فیلدهای فرم (Form Fields)

فیلد	نوع	الزامی	توضیح
`file`	file	بله	فایل صوتی (کمتر از 50MB)
`language`	string	بله	کد زبان گفتار، مثل `fa-IR`. معادل‌های `lang` و `stt_lang` نیز پذیرفته می‌شوند.

مثال درخواست با PHP و cURL

<?php

$ch = curl_init('https://api.talkbot.ir/v1/media/speech-to-text/REQ');

curl_setopt($ch, CURLOPT_POST, true);
curl_setopt($ch, CURLOPT_RETURNTRANSFER, true);
curl_setopt($ch, CURLOPT_HTTPHEADER, [
    'Authorization: Bearer YOUR_ACCESS_TOKEN'
    // توجه: هنگام ارسال multipart، هدر Content-Type را دستی ست نکنید؛
    // cURL خودش boundary صحیح را اضافه می‌کند.
]);

curl_setopt($ch, CURLOPT_POSTFIELDS, [
    'file'     => new CURLFile('/path/to/audio.mp3', 'audio/mpeg', 'audio.mp3'),
    'language' => 'fa-IR'
]);

$result = curl_exec($ch);
curl_close($ch);

echo $result;

مثال درخواست با cURL (خط فرمان)

curl -X POST https://api.talkbot.ir/v1/media/speech-to-text/REQ \
  -H "Authorization: Bearer YOUR_ACCESS_TOKEN" \
  -F "file=@/path/to/audio.mp3;type=audio/mpeg" \
  -F "language=fa-IR"

مثال درخواست با JavaScript (Fetch + FormData)

const form = new FormData();
form.append('file', fileInput.files[0]);
form.append('language', 'fa-IR');

const response = await fetch('https://api.talkbot.ir/v1/media/speech-to-text/REQ', {
    method: 'POST',
    headers: {
        'Authorization': 'Bearer YOUR_ACCESS_TOKEN'
        // Content-Type را دستی ست نکنید؛ مرورگر boundary را خودکار اضافه می‌کند
    },
    body: form
});

const result = await response.json();
console.log(result);

✅ پاسخ موفق API

پاسخ شامل یک رشته JSON است که متن استخراج‌شده از فایل صوتی را در بر می‌گیرد:

{
  "response": {
    "code": 200,
    "message": "Success",
    "output": "hello. this text extracted from an audio file.",
    "duration_seconds": 65.3,
    "language": "en-US",
    "tokens_charged": 100
  }
}

⚠️ پاسخ خطا

در صورت بروز خطا (اعم از اعتبارسنجی ورودی، احراز هویت، یا خطای سرویس STT)، ساختار زیر بازگردانده می‌شود:

{
  "error": {
    "code": 400,
    "message": "Invalid request",
    "description": "توضیح دقیق‌تر خطا به زبان فارسی یا انگلیسی"
  }
}

کدهای خطا

کد HTTP	شرح
400	درخواست نامعتبر (JSON نامعتبر، پارامتر ناقص، زبان یا فایل ارسال نشده)
401	خطای احراز هویت (توکن نامعتبر یا موجودی ناکافی)
403	عدم دسترسی (پلن منقضی‌شده، سطح دسترسی حساب، محدودیت تعداد درخواست)
500	خطای داخلی سرور
502	خطای ارتباط با سرویس تبدیل گفتار به متن

📝 پارامترهای درخواست

مقدار URL (روش اول)

در مقدار url باید آدرس اینترنتی فایل صوتی خود را قرار دهید. این فایل باید کمتر از 50MB باشد و از طریق اینترنت در دسترس عموم باشد.

💡

توجه: فایل صوتی باید از طریق اینترنت قابل دسترسی باشد و حجم آن نباید از 50 مگابایت بیشتر شود.

مقدار File (روش دوم)

در فیلد file باید خودِ فایل صوتی را به‌صورت باینری ضمیمه کنید. این فایل باید کمتر از 50MB باشد.

💡

توجه: این روش زمانی مناسب است که فایل صوتی در دسترس عمومی نیست و می‌خواهید آن را مستقیماً ارسال کنید.

مقدار Language

مقدار language باید زبان در حال گفتار فایل صوتی شما باشد. به‌عنوان مثال اگر زبان گفتار گوینده در فایل صوتی شما «فارسی» باشد، باید مقدار fa-IR را وارد کنید. کدهای کوتاه رایج مانند fa، en، ar، tr، de، fr، es، it و ru نیز به‌صورت خودکار به معادل استاندارد نگاشت می‌شوند.

🌍 زبان‌های پشتیبانی‌شده

📊 73 زبان پشتیبانی شده

تمام زبان‌های اصلی پشتیبانی می‌شوند. در ادامه فهرست کامل آن‌ها آورده شده است:

کد زبان	نام زبان	کد زبان	نام زبان
`af-ZA`	Afrikaans	`lo-LA`	Lao
`ar-SA`	Arabic	`lv-LV`	Latvian
`hy-AM`	Armenian	`lt-LT`	Lithuanian
`az-AZ`	Azerbaijani	`ms-MY`	Malay
`eu-ES`	Basque	`ml-IN`	Malayalam
`bn-BD`	Bengali (BD)	`mr-IN`	Marathi
`bn-IN`	Bengali (IN)	`mn-MN`	Mongolian
`bs-BA`	Bosnian	`ne-NP`	Nepali
`bg-BG`	Bulgarian	`no-NO`	Norwegian
`ca-ES`	Catalan	`pl-PL`	Polish
`yue-Hant-HK`	Cantonese	`pt-BR`	Portuguese (BR)
`cs-CZ`	Czech	`pt-PT`	Portuguese (PT)
`da-DK`	Danish	`pa-Guru-IN`	Punjabi
`nl-NL`	Dutch	`ro-RO`	Romanian
`en-AU`	English (AU)	`ru-RU`	Russian
`en-CA`	English (CA)	`sr-RS`	Serbian
`en-GB`	English (UK)	`si-LK`	Sinhala
`en-IN`	English (IN)	`sk-SK`	Slovak
`en-US`	English (US)	`sl-SI`	Slovenian
`fa-IR`	Persian (Iran) ★	`es-AR`	Spanish (AR)
`fil-PH`	Filipino	`es-CL`	Spanish (CL)
`fi-FI`	Finnish	`es-CO`	Spanish (CO)
`fr-CA`	French (CA)	`es-MX`	Spanish (MX)
`fr-FR`	French (FR)	`es-ES`	Spanish (ES)
`de-AT`	German (AT)	`es-US`	Spanish (US)
`de-DE`	German (DE)	`su-ID`	Sundanese
`de-CH`	German (CH)	`sw-KE`	Swahili (KE)
`el-GR`	Greek	`sw-TZ`	Swahili (TZ)
`gu-IN`	Gujarati	`ta-IN`	Tamil
`iw-IL`	Hebrew	`te-IN`	Telugu
`hi-IN`	Hindi	`th-TH`	Thai
`hu-HU`	Hungarian	`tr-TR`	Turkish
`is-IS`	Icelandic	`uk-UA`	Ukrainian
`id-ID`	Indonesian	`ur-IN`	Urdu (IN)
`it-IT`	Italian	`ur-PK`	Urdu (PK)
`ja-JP`	Japanese	`uz-UZ`	Uzbek
`jv-ID`	Javanese	`vi-VN`	Vietnamese
`kn-IN`	Kannada	`zu-ZA`	Zulu
`kk-KZ`	Kazakh
`km-KH`	Khmer
`ko-KR`	Korean

💰 قیمت‌گذاری و موجودی

نام مدل	هزینه (TPsU)
Speech To Text API	100 TPsU به ازای هر دقیقه از فایل صوتی (کسری از دقیقه هم یک دقیقه کامل محاسبه می‌شود)
موجودی توکن شما	⚠️ نیاز به ورود
TPsU = Token Per Successful Use (توکن به ازای هر درخواست موفق)

آزمایش رایگان:

برای آزمایش و تست رایگان این وب سرویس (API) ابتدا در سایت ثبتنام کنید، و سپس از طریق کنترل پنل کاربری، کلید اختصاصی خود را ایجاد کنید. پس از ایجاد کلید، آن را در نمونه کدهای بالا جایگزاری کرده و خروجی را مشاهده کنید. امکان استفاده از کلید آزمایشی فقط تا 15000 توکن میسر است.

سایر وب سرویس ها:

با خرید بسته یاقوتی و یا یکی از بسته های فرایاقوتی، شما علاوه بر وب سرویس یا API پیش رو، از وب سرویس های زیر نیز میتوانید استفاده کنید.

وب سرویس چت با هوش مصنوعی

وب سرویس میدجورنی

وب سرویس ساخت عکس Imagen

وب سرویس تبدیل متن به صوت

وب سرویس گفتار به متن

وب سرویس جستجوی گوگل

وب سرویس بازنویسی متن

وب سرویس Llama 3.1 70b/405b

وب سرویس ترجمه متن

وب سرویس ساخت عکس Flux ^جدید

وب سرویس تحلیل احساسات متن

وب سرویس تشخیص بی احترامی