Saltar al contenido principal
🎙️ Familia de Audio y Voz

APIs de Inteligencia de Audio y Voz

Transcripción streaming por WebSocket con baja latencia, diarización precisa de hablantes, biometría vocal y doblaje de estudio.

Transcripción Streaming en Tiempo Real

Transcripción bidireccional por WebSocket con latencia inferior a 250ms por fragmento y marcas de tiempo por palabra.

  • Sub-250ms chunk latency with WebSocket streaming protocol
  • Word-level timestamps with punctuate-and-capitalize normalization
  • Multilingual acoustic coverage across 99 spoken languages
ProtocolWebSocket / HTTP
Latency P95< 250ms
Audio InputsPCM, WAV, Opus, MP3
WebSocket Audio StreamNode.js / Browser
const ws = new WebSocket("wss://api.brainiall.com/v1/audio/stream", {
  headers: { Authorization: `Bearer ${API_KEY}` }
});

ws.send(JSON.stringify({ config: { language: "en", interim_results: true } }));
audioSource.on("data", (chunk) => ws.send(chunk));

ws.on("message", (data) => {
  const result = JSON.parse(data);
  console.log("Transcript:", result.text, "Confidence:", result.confidence);
});

Diarización de Hablantes

Segmente reuniones y llamadas en turnos de conversación con precisión de límites de subsegundo.

  • Accurate “who spoke when” segmentation with sub-second boundaries
  • Handles overlapping speech, interruptions, and variable speaker counts
  • Emits structured turns with speaker labels (SPEAKER_00, SPEAKER_01) and time ranges
Speaker LimitUp to 24 speakers
Accuracy DER< 9.2% on AMI test
POST /v1/audio/diarizecURL
curl -X POST https://api.brainiall.com/v1/audio/diarize \
  -H "Authorization: Bearer $BRAINIALL_KEY" \
  -F "audio=@meeting_record.wav" \
  -F "num_speakers=2"

# Response:
# {
#   "segments": [
#     { "speaker": "SPEAKER_00", "start": 0.0, "end": 4.12, "text": "Good morning team." },
#     { "speaker": "SPEAKER_01", "start": 4.25, "end": 8.70, "text": "Morning, let us review Q3." }
#   ]
# }

Identificación y Verificación de Voz

Verificación biométrica 1:1 e identificación 1:N resistente al ruido acústico de fondo.

  • Biometric 1:1 voice verification against enrolled voiceprints
  • 1:N speaker identification over millions of customer profile vectors
  • Text-independent acoustic embeddings resilient to background acoustic noise
Enrollment Time3 to 5 seconds audio
EER< 0.9% on VoxCeleb1
POST /v1/audio/voice-id/verifycURL
curl -X POST https://api.brainiall.com/v1/audio/voice-id/verify \
  -H "Authorization: Bearer $BRAINIALL_KEY" \
  -F "user_id=usr_8921" \
  -F "audio=@auth_sample.wav"

# Response:
# { "match": true, "similarity": 0.942, "threshold": 0.85, "verified": true }

Restauración Acústica y Reducción de Ruido

Aislamiento vocal de estudio, eliminación de eco/ruido y restauración a 48 kHz.

  • Suppresses HVAC, keyboard clicks, traffic rumble, and background chatter
  • Removes room reverberation for clean, up-front vocal presence
  • Outputs broadcast-ready 48 kHz normalized audio
POST /v1/audio/enhancecURL
curl -X POST https://api.brainiall.com/v1/audio/enhance \
  -H "Authorization: Bearer $BRAINIALL_KEY" \
  -F "audio=@noisy_mic.wav" \
  -F "dereverb=true" \
  --output enhanced_studio.wav

Doblaje Automatizado

Doblaje multilingüe de videos y podcasts preservando la identidad de la voz y el ritmo de los labios.

  • End-to-end automated video and podcast dubbing into 40+ languages
  • Preserves original vocal tone, emotion, and speaker identity across languages
  • Automatic timestamp duration alignment with video lip-sync pacing
POST /v1/audio/dubcURL
curl -X POST https://api.brainiall.com/v1/audio/dub \
  -H "Authorization: Bearer $BRAINIALL_KEY" \
  -F "video=@course_video.mp4" \
  -F "target_language=es" \
  -F "voice_match=true" \
  --output dubbed_spanish.mp4

Traducción Voz a Voz

Traduzca voz hablada directamente a audio en el idioma de destino en una sola llamada continua.

  • Spoken audio in, translated spoken audio out in a single orchestrated pass
  • Streaming audio translation without intermediate text roundtrips
POST /v1/audio/speech-to-speechcURL
curl -X POST https://api.brainiall.com/v1/audio/speech-to-speech \
  -H "Authorization: Bearer $BRAINIALL_KEY" \
  -F "audio=@english_query.wav" \
  -F "source_lang=en" \
  -F "target_lang=pt-br" \
  --output translated_speech.wav

Pipeline Integrado Speech Suite Pro

Pipeline unificado que combina transcripción, diarización, traducción y anonimización de PII en una sola llamada.

  • Complete turnkey pipeline: Transcription + Diarization + PII Redaction + Translation in one call
  • Saves up to 40% in latency and compute overhead vs chaining individual APIs
POST /v1/audio/pipelinecURL
curl -X POST https://api.brainiall.com/v1/audio/pipeline \
  -H "Authorization: Bearer $BRAINIALL_KEY" \
  -F "audio=@call_center.wav" \
  -F "features=transcribe,diarize,redact_pii,translate" \
  -F "target_lang=es"

Comience a construir con APIs de Audio hoy

Implemente inteligencia acústica y de voz en tiempo real en su infraestructura.

Iniciar prueba gratuita
APIs de Inteligencia de Audio y Voz | Brainiall | Brainiall