Explorar las categorías
Explora
Fiverr Pro
Español
$
USD
Crearé una API de transcripción whisper para tu producto
Michael S.
Acerca de este Servicio
Traducción automática
He construido una canalización de voz en streaming de principio a fin: voz a texto con Whisper, texto a voz con ElevenLabs, funcionando en AWS Bedrock con memoria de conversación.
La mayoría de los trabajos de transcripción envuelven la API y se quedan ahí. Las partes difíciles vienen después: archivos largos que se agotan, latencia que se escucha en una llamada en vivo, separación de hablantes y una factura que crece más rápido que tu uso.
Lo que obtienes:
- Transcripción con Whisper con marcas de tiempo y detección de idioma
- Streaming, para que el texto llegue mientras aún se reproduce el audio
- Cola y reintentos para archivos largos o fallidos
- Registro de costos por minuto de audio
Mi experiencia es en telecomunicaciones. Tengo una maestría en Redes de Información de la Odessa National Academy of Telecommunications y un CCNA, y trabajé en una plataforma industrial de VoIP 5G en Siemens con cifrado de extremo a extremo en un equipo de 45 a 50 personas.
Trabajo desde Ucrania en horario CET.
Cuéntame tu volumen de audio y tu objetivo de latencia y te diré qué es realista antes de que hagas tu pedido.
Conoce a Michael S.
Michael S.
CTO and AI Developer, 18 Years: LangChain, RAG, Voice AI, Python Backends
- DeUcrania
- Miembro desdefeb 2023
Idiomas
Ruso, Ucraniano, Inglés, Alemán
I'm Michael, founder and CTO at Meduzzen, 18 years in backend and AI engineering. Most AI projects don't fail on the API call. They fail on latency, hallucination and cost once real users arrive. My team and I build the part that holds up: FastAPI backends, LangChain and RAG, Whisper and ElevenLabs voice, voice agent audits, n8n automation and full stack AI SaaS. Earlier, I worked on a 5G VoIP platform at Siemens, IoT security for WeWork, and blockchain threat detection at Cyvers. Send your repo or workflow and I will tell you honestly what it takes.
Traducción automática
Mi porfolio
FAQ
Traducción automática
¿Qué motor de speech-to-text usas?
Por defecto uso Whisper, ya que maneja bien acentos y ruido de fondo. También trabajo con alternativas como Deepgram o AssemblyAI si tu proyecto ya funciona con uno de ellos, o necesita una función que cubren mejor.
¿Soportas transcripción en tiempo real o en streaming?
Sí, desde el paquete Standard. El texto llega en tiempo real mientras aún se reproduce el audio, en lugar de esperar a que termine todo el archivo para ver algo.
¿Qué idiomas son compatibles?
Whisper soporta docenas de idiomas desde el inicio, incluyendo detección automática de idioma. Envíame tus idiomas objetivo y te confirmaré la cobertura y señalaré posibles compromisos en precisión antes de que hagas tu pedido.
¿Puedes agregar texto a voz para que mi app pueda hablar de vuelta?
Sí, en el paquete Premium. Combino la transcripción con ElevenLabs para una salida de voz natural, así tienes un pipeline completo de habla entrada y salida, no solo transcripción.
¿Cómo manejas archivos de audio largos o fallidos?
Los archivos largos entran en una cola con reintentos desde el paquete Standard en adelante, para que un trabajo lento o fallido no bloquee las cargas restantes ni agote el tiempo de la solicitud.
¿Esto puede correr en mi propio servidor o cuenta en la nube?
Sí. En el paquete Premium despliego la pipeline en tu propio entorno AWS o Azure, para que el audio y la infraestructura permanezcan bajo tu control.
¿Cómo se calcula el costo y puedo mantenerlo bajo control?
Registro el costo por minuto de audio procesado en cada paquete, para que puedas ver exactamente cuánto cuesta cada solicitud en lugar de sorprenderte con la factura mensual.
