Распознавание речи

Преобразование аудио в текст через BitrixGPT 5.6 Transcribe на инфраструктуре Битрикс24 — без подключения BYOK. Расшифровка учитывается в AI-квоте портала по длительности аудио: в рамках квоты тарифа деньги с баланса не списываются, сверх квоты расход списывается с денежного баланса портала по базовой цене модели.

Whisper Large v3 Turbo выводится с платформы. С 16.11.2026 запросы с bitrix/deepdml/faster-whisper-large-v3-turbo-ct2 и без поля model обслуживает BitrixGPT 5.6 Transcribe. Старый ID продолжает приниматься; ID по умолчанию остаётся прежним. Для новых интеграций явно указывайте model=bitrix/bitrixgpt-5.6-transcribe.

Для двух сторон разговора используйте model=bitrix/bitrixgpt-6.0-diarization (BitrixGPT 6.0 Diarization) с response_format=verbose_json: segments[].speaker содержит номер стороны. Тарификация — как у Transcribe: по длительности аудио.

Скоуп: vibe:ai

Расшифровать аудио

POST /v1/audio/transcriptions

Преобразует аудиофайл в текст через BitrixGPT 5.6 Transcribe или BitrixGPT 6.0 Diarization (см. «Модели» ниже) — без подключения BYOK. Расшифровка учитывается в AI-квоте портала по длительности аудио: в рамках квоты тарифа деньги с баланса не списываются, сверх квоты расход списывается с денежного баланса портала по базовой цене модели. Принимает файл через multipart/form-data. Формат запроса и ответа совместим с POST /v1/audio/transcriptions из OpenAI API.

Ответ приходит в сыром OpenAI-формате.

Обёртки {success, data}, которая используется в остальных эндпоинтах Вайбкод — /v1/deals, /v1/tasks и других, — здесь нет.

Так сделано для совместимости с OpenAI SDK. Если у вас единый клиент с проверкой if (!response.success), добавьте для AI Router исключение.

Модели

Whisper Large v3 Turbo выводится с платформы. С 16.11.2026 запросы с bitrix/deepdml/faster-whisper-large-v3-turbo-ct2 и без поля model обслуживает BitrixGPT 5.6 Transcribe. Старый ID продолжает приниматься; ID по умолчанию остаётся прежним. Для новых интеграций явно указывайте model=bitrix/bitrixgpt-5.6-transcribe.

При обслуживании запроса заменой ответ несёт X-Model-Fallback: bitrix/deepdml/faster-whisper-large-v3-turbo-ct2, X-Model-Replacement: bitrix/bitrixgpt-5.6-transcribe и X-Model-Fallback-Reason: model_disabled. Применяются языки, обработка параметров и тарификация замены. См. жизненный цикл моделей.

Заголовки X-Model-Fallback, X-Model-Replacement и X-Model-Fallback-Reason не входят в CORS-список, поэтому в браузерном fetch недоступны — читайте их на сервере или в инструментах разработчика.

Заголовок X-Ignored-Params — информационный: тело ответа и коды ошибок не меняются. Он не входит в CORS-список, поэтому в браузерном fetch недоступен — читайте его на сервере или в инструментах разработчика.

Поля запроса (form-data)

Примеры

curl — личный ключ

curl -X POST https://vibecode.bitrix24.tech/v1/audio/transcriptions \
  -H "X-Api-Key: YOUR_API_KEY" \
  -F "file=@call-recording.mp3" \
  -F "model=bitrix/bitrixgpt-5.6-transcribe" \
  -F "response_format=json"

curl — OAuth-приложение

curl -X POST https://vibecode.bitrix24.tech/v1/audio/transcriptions \
  -H "X-Api-Key: YOUR_APP_KEY" \
  -H "Authorization: Bearer USER_SESSION_TOKEN" \
  -F "file=@call-recording.mp3" \
  -F "model=bitrix/bitrixgpt-5.6-transcribe" \
  -F "response_format=json"

JavaScript — личный ключ

const formData = new FormData()
formData.append('file', audioFile)  // объект File или Blob
formData.append('model', 'bitrix/bitrixgpt-5.6-transcribe')
formData.append('response_format', 'json')

const res = await fetch('https://vibecode.bitrix24.tech/v1/audio/transcriptions', {
  method: 'POST',
  headers: { 'X-Api-Key': 'YOUR_API_KEY' },
  body: formData,
})

const result = await res.json()
console.log('Распознанный текст:', result.text)

JavaScript — OAuth-приложение

const formData = new FormData()
formData.append('file', audioFile)
formData.append('model', 'bitrix/bitrixgpt-5.6-transcribe')

const res = await fetch('https://vibecode.bitrix24.tech/v1/audio/transcriptions', {
  method: 'POST',
  headers: {
    'X-Api-Key': 'YOUR_APP_KEY',
    'Authorization': 'Bearer USER_SESSION_TOKEN',
  },
  body: formData,
})

const result = await res.json()
console.log('Текст:', result.text)

Поля ответа

Структура ответа зависит от response_format. Формат json (по умолчанию) — самый компактный, verbose_json — с временными границами.

`response_format: json`

`response_format: text`

Ответ — обычная строка с распознанным текстом, без JSON-обёртки.

`response_format: verbose_json`

`response_format: srt` / `vtt`

Ответ — субтитры в формате SubRip Text или WebVTT.

Пример ответа

response_format: json:

{
  "text": "Здравствуйте, ООО Вектор. Хотим CRM на 50 пользователей, бюджет до 500 тысяч в месяц."
}

response_format: verbose_json:

{
  "task": "transcribe",
  "language": "ru",
  "duration": 8.42,
  "text": "Здравствуйте, ООО Вектор. Хотим CRM на 50 пользователей, бюджет до 500 тысяч в месяц.",
  "usage": null,
  "words": [],
  "segments": [
    {
      "id": 0,
      "seek": 0,
      "start": 0.0,
      "end": 3.2,
      "text": "Здравствуйте, ООО Вектор.",
      "tokens": [50365, 2425, 11, 341, 307],
      "temperature": 0.0,
      "avg_logprob": -0.38,
      "compression_ratio": 1.12,
      "no_speech_prob": 0.02,
      "words": [],
      "emotion": null
    },
    {
      "id": 1,
      "seek": 320,
      "start": 3.2,
      "end": 8.42,
      "text": "Хотим CRM на 50 пользователей, бюджет до 500 тысяч в месяц.",
      "tokens": [50414, 1003, 13767, 295, 1500],
      "temperature": 0.0,
      "avg_logprob": -0.41,
      "compression_ratio": 1.20,
      "no_speech_prob": 0.01,
      "words": [],
      "emotion": null
    }
  ]
}

Пример ответа при ошибке

400 no_file — поле file не передано:

{
  "error": {
    "message": "Audio file is required. Send as multipart/form-data with field \"file\".",
    "type": "invalid_request_error",
    "code": "no_file"
  }
}

Ошибки

Полный список общих ошибок API — Ошибки.

Идемпотентность

Передайте необязательный заголовок Idempotency-Key, чтобы безопасно повторять расшифровку того же файла. Если ответ на первый запрос потерялся (обрыв сети, таймаут), повтор с тем же ключом и тем же файлом распознаёт аудио заново, но второй раз ничего не списывает: ни AI-квоту портала, ни деньги с баланса, ни квоту подписки Cowork/Code. Ответ такого повтора несёт заголовок Idempotent-Replayed: true.

• Ключ — строка 1–255 символов из набора [A-Za-z0-9_.:-]. Для записи, которую вы режете на части, подходит форма <id записи>:<id дорожки>:<номер части>, например rec-8f2c:mic:12.
• Область действия ключа — портал и пользователь, на которого ложится расход, а без пользователя — API-ключ. Новый API-ключ того же пользователя повтор не ломает.
• Повтор бесплатен в течение 72 часов после успешного вызова со списанием. Позже тот же ключ проходит как новый вызов и списывается.
• Бесплатный повтор проходит и при исчерпанной квоте: за этот файл уже заплачено.
• Бесплатных повторов одного файла — не больше трёх. Четвёртый и следующие повторы с тем же ключом обрабатываются и оплачиваются как обычный вызов, со всеми проверками квоты и баланса.
• Если первый вызов завершился ошибкой, ключ освобождается, и повтор проходит как новый вызов со списанием.
• Если первый вызов ничего не списал — например, шёл на собственном ключе провайдера, — повтор тоже проходит как обычный вызов, без заголовка Idempotent-Replayed.
• Платформа не хранит ни текст расшифровки, ни аудио — только отпечатки ключа и файла. Поэтому ответ повтора — это новая расшифровка того же файла.
• Без заголовка Idempotency-Key поведение не меняется.

Отказы по ключу — 400 invalid_idempotency_key, 409 idempotency_in_progress и 422 idempotency_key_reused — описаны в разделе «Ошибки».

Известные особенности

BitrixGPT 6.0 Diarization размечает две стороны разговора. Стерео разделяется по каналам, моно — на две стороны. Номера говорящих действуют в пределах одного ответа и обозначают стороны разговора, а не людей или роли. Повтор по Idempotency-Key — новая расшифровка, нумерация в ней может отличаться. Ответ 200 может прийти без меток или с частичной разметкой; успешная расшифровка всё равно тарифицируется. Верхнеуровневый text может содержать таймкоды и подписи говорящих, например [00:00] Спикер 1:; их формат и язык не фиксированы. json и text отдают его как есть, а построенные платформой srt/vtt подписей говорящих не содержат. Для разбора по репликам используйте verbose_json: segments[].speaker, segments[].start, segments[].end и segments[].text — текст реплики без подписей. Пословных таймкодов у модели пока нет: с timestamp_granularities[]=word поле words приходит null. Тарификация — как у Transcribe: по длительности аудио, с учётом AI-квоты портала.

Transcribe определяет язык автоматически. Он поддерживает 25 европейских языков из таблицы выше вместо примерно 99 у Whisper. Разделения говорящих нет. language, prompt, hotwords, temperature и vad_filter проверяются, но на распознавание не влияют; имена переданных полей возвращаются в X-Ignored-Params. Подсказки, влиявшие на Whisper, перестают влиять, когда запрос обслуживает Transcribe. Перед переходом проверьте записи и нужные языки.

В рамках квоты — без списаний, сверх квоты — по базовой цене модели. BitrixGPT 5.6 Transcribe работает на инфраструктуре Битрикс24. Все его форматы, включая построенные платформой text, srt и vtt, тарифицируются по длительности аудио и учитываются в месячной AI-квоте портала. Пока расход укладывается в квоту тарифа, деньги с баланса портала не списываются. Сверх квоты расход списывается с денежного баланса портала по базовой цене модели из каталога. На порталах с включённым контролем квоты запрос может вернуть 402 ai_quota_exhausted, когда месячный лимит исчерпан. Поле reason различает три случая: breaker — сработал часовой предохранитель расходов сверх квоты, wallet_empty — квота исчерпана и на балансе портала нет средств, wallet_off — расход сверх квоты для портала недоступен. Поле resetAt — момент, когда запросы снова начнут проходить, для wallet_off оно может отсутствовать. В ветке wallet_empty ответ может дополнительно нести строку hint с подсказкой и ссылку topupUrl на пополнение баланса — оба поля появляются, когда на платформе включены принудительный контроль квоты и подсказка о пополнении, поэтому читайте их как необязательные. Поле hint в этом ответе — строка. Когда у портала нет оплаченного доступа к AI-моделям, ответ с reason: "wallet_off" дополнительно несёт details.learnMoreUrl — страницу с описанием подписки или тарифа Битрикс24, в которые входит AI, а поле message называет нужный продукт. При других причинах wallet_off поля details.learnMoreUrl нет.

Ключ подписки Cowork/Code считается отдельно. Вызов ключом со скоупом vibe:cowork в AI-квоту аккаунта не попадает. Если подписка активна и администратор платформы назначил доступной вам модели расшифровки цену за минуту аудио или за вызов, такой вызов расходует квоту подписки: при исчерпании окна ручка отвечает 402 с кодом cowork_quota_exhausted, заголовком Retry-After и полями window (5h, week или month), resetAt и nextTier. Пока цена не назначена, расшифровка таким ключом не тарифицируется. У Whisper форматы text, srt и vtt длительность не возвращают, поэтому тарифицируются по цене за вызов. У BitrixGPT 5.6 Transcribe они строятся платформой и тарифицируются по длительности.

Отключение Cowork/Code на уровне платформы управляет продуктовыми возможностями, но не тарификацией AI-запросов уже выданного ключа. При активной подписке расшифровка продолжает расходовать её квоту, как и чат; отключение продукта не переводит этот расход в кошелёк портала. Без активной подписки расшифровка по-прежнему не расходует квоту подписки, а поведение обычного пути тарификации сохраняется.

Лимит размера — 25 МБ. Файл сверх лимита отклоняется целиком — 413 request_too_large, списания нет. Для длинных записей разбивайте файл на части до 25 МБ и склеивайте результаты на стороне клиента. Один час mp3 128 кбит/с примерно 60 МБ — придётся резать.

Тайм-аут запроса — 15 минут. Расшифровка длится примерно 5-15 % от длины аудио. Файл на 5 минут (5-7 МБ mp3) расшифровывается за 15-45 секунд. При превышении тайм-аута возвращается 503 ai_provider_timeout.

Смотрите также

• Распознавание речи
• Создать чат-комплишен
• AI Router