Распознавание речи без кода: аудио, видео и голосовые в текст

Распознавание речи в nana800 переводит в текст аудио, видео и голосовые сообщения по ссылке на файл: блок «Speech to text» отправляет запись в OpenAI и возвращает готовый текст. Нужен только ваш ключ OpenAI, программировать не нужно. Запуск блока стоит 0,20 ₽, а само распознавание OpenAI списывает с вашего счёта в OpenAI.

Собрать в конструкторе
  • Запуск блока: 0,20 ₽
  • Бесплатно каждый месяц: 350 ₽
  • Карта не нужна

Что можно сделать

  • Расшифровывать голосовые и видеосообщения, которые люди присылают вашему Telegram-боту
  • Переводить в текст записи звонков, встреч и интервью в mp3, m4a, wav, ogg, webm, flac или видео mp4 до 25 МБ
  • Подсказывать язык записи для точности или оставить определение языка сервису
  • Давать модели список имён, названий и терминов, чтобы она правильно записала редкие слова
  • Получать текст с таймкодами по фрагментам для субтитров (только модель whisper-1)
  • Передавать текст дальше по схеме: в ChatGPT для краткого пересказа, в Google Таблицу или ответом в Telegram

Блоки в конструкторе

  • Распознавание речи (Speech to text)

    Действие · 0,20 ₽ за запуск

    Скачивает аудио или видео по ссылке (до 25 МБ), отправляет запись в OpenAI и возвращает текст и язык записи, а в режиме с таймкодами ещё фрагменты с временем начала и конца. Формат файла блок определяет сам.

Как настроить

  1. 1

    Создайте ключ OpenAI

    В кабинете OpenAI откройте раздел API keys, нажмите Create new secret key и скопируйте ключ (он начинается с sk-). Пополните счёт в OpenAI: распознавание оплачивается оттуда, и с пустым счётом блок вернёт ошибку.

  2. 2

    Добавьте триггер, который принесёт запись

    Создайте схему в конструкторе и поставьте триггер. Например, «Telegram message from user to bot»: голосовые, аудио и видео он сохраняет в хранилище nana800 и отдаёт ссылки на них. Для первой проверки хватит триггера «button» и любой прямой ссылки на аудиофайл.

  3. 3

    Настройте блок распознавания

    Добавьте блок «Speech to text» и вставьте ключ OpenAI. В поле «Ссылка на аудио или видео» подставьте ссылку из триггера или впишите свою: она должна открываться без входа в аккаунт. Модель оставьте gpt-transcribe, в «Язык записи» впишите ru.

  4. 4

    Передайте текст дальше

    Подставьте поле text из результата распознавания в следующий блок: в «Telegram message send», чтобы бот ответил расшифровкой, в «google sheet record», чтобы сохранить текст в таблицу, или в «Open AI request», чтобы получить краткий пересказ.

  5. 5

    Включите и проверьте схему

    Включите схему, нажмите кнопку или отправьте боту голосовое и откройте результат блока. Если текста нет, в error_message будет причина: неверный ключ, ссылка не открывается или файл больше 25 МБ. Когда всё работает, оставьте схему включённой. Пока она включена, она стоит 0,42 ₽ в час.

Готовые связки

  • Telegram + Распознавание речи

    Telegram-бот превращает голосовые сообщения в текст через распознавание OpenAI и отвечает расшифровкой. Без кода, бесплатный баланс каждый месяц.

Частые вопросы

Запуск блока в nana800 стоит 0,20 ₽ и списывается, только если текст получен. Само распознавание OpenAI оплачивается отдельно с вашего счёта в OpenAI. Включённая схема стоит 0,42 ₽ в час. Баланс nana800 каждый месяц бесплатно пополняется до 350 ₽, карта не нужна. Если схема включена круглосуточно весь месяц, большая часть этой суммы уходит на часы её работы.

Аудио mp3, m4a, wav, ogg, webm, flac и видео mp4 размером до 25 МБ. Формат блок определяет по самому файлу, поэтому ссылка может быть и без расширения. Файл должен скачиваться по прямой ссылке из интернета без пароля и входа в аккаунт.

Да. Триггер «Telegram message from user to bot» сохраняет голосовые, аудио и видео в хранилище nana800 и отдаёт ссылки на них, эту ссылку подставляют в блок распознавания. Telegram отдаёт ботам файлы только до 20 МБ, у файлов больше ссылки не будет.

Да, блок работает только с вашим ключом OpenAI. Его создают в кабинете OpenAI в разделе API keys, и на счёте должны быть деньги. За распознавание платите OpenAI напрямую, а nana800 берёт только цену запуска блока.

Впишите язык записи, например ru. Если в записи два языка, перечислите коды через запятую, например ru,en: это понимает только модель gpt-transcribe. В поле «Подсказка для модели» перечислите имена, названия компаний и термины, которые звучат в записи.

Да, в поле «Что вернуть» выберите with_timestamps и модель whisper-1: блок вернёт список фрагментов с временем начала и конца в секундах. Другие модели таймкоды не выдают. OpenAI отключит все модели, кроме gpt-transcribe, 26 февраля 2027 года, после этого режим с таймкодами работать не будет.

Соберите первую схему бесплатно

Регистрация бесплатная, карта не нужна. Каждый месяц баланс бесплатно пополняется до 350 ₽, этого хватает примерно на 3 500 запусков простых блоков.

Собрать в конструкторе