Transcripción: cómo funciona

Transcripción convierte notas de voz y audios en texto. Le mandas el archivo y te devuelve lo que se dice, en la misma petición.

Sirve para que tu bot, tu CRM o tu bandeja de mensajes traten los audios de tus clientes como si los hubieran escrito: transcribes la nota de voz y sigues con el texto.

Si tu espacio tiene Kommo, no hace falta llamarlo: las notas de voz que llegan por el chat se transcriben solas cuando enciendes audio_activo en su configuración. En la consola, el módulo aparece en el Estudio del espacio, sin nada que configurar.

Antes de empezar

• El espacio tiene que tener el módulo Transcripción: transcripcion sale en sus módulos en GET /api/companies. Si no, la ruta responde 403 módulo no habilitado para este espacio.
• Transcribir es un POST: pide una clave escribe, aunque no cambia nada del espacio. Con una de solo lectura, 403.
• La ruta cuelga de /api/mod/transcripcion/{espacio}/, con la misma clave y los mismos límites que el resto de la API.
• No gasta créditos.

Paso a paso

1. Descarga el audio de tu canal (WhatsApp, tu app, tu centralita).
2. Súbelo en multipart/form-data, en el campo archivo, y si no es español, con su idioma.
3. Si responde 200 con vacio: false, usa texto. Si vacio es true, el audio no tiene palabras: díselo a tu usuario, sin inventar lo que dijo.
4. Si no, mira el codigo del error (abajo): unos piden otro audio y otros, solo reintentar.

Formatos y límites

• OGG/Opus (las notas de voz de WhatsApp), MP3, M4A, WAV y otros formatos de audio. De un vídeo se transcribe el sonido.
• Hasta 25 MB y 120 segundos por archivo. Un audio por petición.
• Con duracion_max_s fijas un tope más bajo para tu caso: lo que pase de él da 422 y no se transcribe a medias.
• El idioma por defecto es el español (es). Para otro, mándalo en idioma.
• Bentho no guarda ni el audio ni el texto.

Cuando no se puede

Los errores del audio traen detail como objeto, con un codigo fijo y una frase en detalle. Decide por el código:

Rutas