STT API
Endpoints для Speech-to-Text. Для server-to-server интеграции отправляйте X-Api-Key в каждом запросе.
Overview #
- 1
POST /api/v1/stt/post/для коротких аудио (sync). - 2
POST /api/v2/stt/post/для длинных аудио (async, возвращаетtask_id). - 3 Для realtime audio используйте WebSocket
wss://back.aisha.group/api/v1/stt/realtime. - 4 Для server streaming интеграций доступен gRPC endpoint
back.aisha.group:443.
Удобнее CLI? npm-пакет aisha-ai оборачивает эти endpoints: npx aisha-ai tts / npx aisha-ai stt. aisha-ai на npm
API Key #
API Key
X-Api-Key: <api_key>Рекомендуется для server-to-server интеграций.
Streaming token
?token=<token>Для realtime WebSocket токен передается в query параметре.
Транскрипция короткого аудио #
https://back.aisha.group/api/v1/stt/post/ Отправляете аудиофайл и получаете результат сразу (sync).
Аутентификация: Отправьте X-Api-Key. Public-запросы могут требовать reCAPTCHA.
- Поддерживаются аудио форматы mp3, wav, ogg, m4a (проверяется на сервере).
- При diarization аудио должно быть не короче 15 секунд.
Поля запроса #
audio обязательно file
Аудиофайл.
Пример: voice-note.mp3
language string
Supported: uz, en, ru. Default: uz.
Пример: uz
has_diarization boolean string
Флаг diarization.
Пример: false
has_offset boolean string
Флаг offsets.
Пример: false
is_summary boolean string
Флаг summary.
Пример: false
title string
Опциональное название.
Пример: meeting-voice-note
Примеры #
v1 POST
curl --request POST \
--url https://back.aisha.group/api/v1/stt/post/ \
--header 'X-Api-Key: your_api_key' \
--header 'Accept-Language: uz' \
--form 'audio=@/path/to/voice-note.mp3' \
--form 'language=uz' \
--form 'has_diarization=false' CLI (aisha-ai)
export AISHA_API_KEY=your_api_key
npx aisha-ai stt ./audio.wav Ответы #
Success
{
"id": 531,
"gender": "unknown",
"title": null,
"created_at": "2026-05-04T10:12:43.212Z",
"duration": 18.7,
"transcript": "Assalomu alaykum, bu qisqa audio transkripsiyasi."
} Статус-коды #
200 Результат возвращен.
400 Нет аудио или неверный формат.
402 Недостаточно баланса.
403 Ограничение по duration или access.
503 STT сервис временно недоступен.
v1 history список #
https://back.aisha.group/api/v1/stt/get/?page=1&limit=10 Возвращает список транскрипций user'а с пагинацией.
Аутентификация: Требуется X-Api-Key.
- Также доступен alias
/api/v1/stt/audios/.
Примеры #
v1 GET history
curl --request GET \
--url 'https://back.aisha.group/api/v1/stt/get/?page=1&limit=10' \
--header 'X-Api-Key: your_api_key' Ответы #
Paginated success
{
"count": 1,
"next": null,
"previous": null,
"results": [
{
"id": 531,
"title": null,
"gender": "unknown",
"status": "SUCCESS",
"language": "uz",
"created_at": "2026-05-04T10:12:43.212Z",
"duration": 18.7,
"transcript": "Assalomu alaykum, bu qisqa audio transkripsiyasi.",
"summary": "",
"diarization": [],
"audio_url": "/media/audio/f35f6c3a.wav",
"speakers": []
}
]
} Статус-коды #
200 History возвращена.
403 API key неверный или отсутствует.
Длинное аудио (async) #
https://back.aisha.group/api/v2/stt/post/ Отправляете длинное аудио. Возвращается task_id и PENDING.
Аутентификация: Требуется X-Api-Key.
- Max file size: 500MB.
Поля запроса #
audio обязательно file
Аудиофайл.
Пример: meeting-record.mp3
language string
Default: uz.
Пример: uz
has_diarization boolean string
Флаг diarization.
Пример: true
has_offset boolean string
Флаг offsets.
Пример: false
is_summary boolean string
Флаг summary.
Пример: true
is_meeting boolean string
Meeting mode flag.
Пример: false
title string
Опциональное название.
Пример: sales-call
Примеры #
v2 POST
curl --request POST \
--url https://back.aisha.group/api/v2/stt/post/ \
--header 'X-Api-Key: your_api_key' \
--form 'audio=@/path/to/meeting-record.mp3' \
--form 'language=uz' \
--form 'has_diarization=true' \
--form 'is_summary=true' Ответы #
Queued
{
"id": 901,
"has_diarization": true,
"is_meeting": false,
"task_id": "66e92db4-95cf-4bb9-acbc-49462039d19f",
"status": "PENDING",
"title": "sales-call-13-aprel",
"audio_url": "/media/audio/273bc5f8-1f91-4573-b3df-3c38c44294d0.mp3"
} Статус-коды #
200 Task создан.
400 Нет аудио или файл слишком большой.
401 API key отсутствует или неверный.
403 Баланс или access.
500 Внутренняя ошибка.
Realtime WebSocket транскрипция #
wss://back.aisha.group/api/v1/stt/realtime?format=webm&token=YOUR_API_KEY Передавайте microphone или audio stream chunks через WebSocket. Сервер возвращает JSON messages session_started, transcription и error.
Аутентификация: token передается в query параметре. Перед подключением проверяется баланс.
-
format=webm: для chunksaudio/webm;codecs=opus, которые отправляет browserMediaRecorder. -
format=pcm: для raw PCM stream. Точный формат: 16 kHz, mono, signed 16-bit little-endian (s16le). - Не отправляйте raw Opus frames; для browser Opus отправляется внутри WebM контейнера.
- Когда stream завершен, отправьте text message
{"event":"end"}.
Поля запроса #
token обязательно string
API key.
Пример: YOUR_API_KEY
format string
Supported: webm, pcm. Default: webm.
Пример: webm
binary chunks обязательно bytes
Audio bytes, отправляемые через WebSocket.
Пример: audio/webm chunk
Примеры #
Browser WebM/Opus stream
const token = 'your_api_key'
const ws = new WebSocket(
`wss://back.aisha.group/api/v1/stt/realtime?format=webm&token=${encodeURIComponent(token)}`
)
ws.onmessage = event => {
const message = JSON.parse(event.data)
if (message.type === 'transcription') {
console.log(message.text, message.partial, message.consumed_audio_seconds)
}
}
const stream = await navigator.mediaDevices.getUserMedia({ audio: true })
const recorder = new MediaRecorder(stream, { mimeType: 'audio/webm;codecs=opus' })
recorder.ondataavailable = async event => {
if (event.data.size > 0 && ws.readyState === WebSocket.OPEN) {
ws.send(await event.data.arrayBuffer())
}
}
// Bitta connection ichida audio chunk'larni uzluksiz yuborish mumkin.
// Har session oxirida faqat bir marta end event yuboring.
recorder.start(250)
// Stop when the user finishes speaking.
// recorder.stop()
// ws.send(JSON.stringify({ event: 'end' })) Raw PCM stream
import asyncio
import websockets
TOKEN = "your_api_key"
URL = f"wss://back.aisha.group/api/v1/stt/realtime?format=pcm&token={TOKEN}"
async def stream_pcm():
async with websockets.connect(URL, max_size=None) as ws:
async def reader():
async for message in ws:
print(message)
reader_task = asyncio.create_task(reader())
with open("audio.s16le", "rb") as audio:
while chunk := audio.read(3200):
await ws.send(chunk)
await asyncio.sleep(0.1)
await ws.send('{"event":"end"}')
await reader_task
asyncio.run(stream_pcm()) Ответы #
Session started
{
"type": "session_started",
"session_id": "7ab6d67a-9a29-4ad9-90b7-d2f5b2fc08fb",
"user_id": "42",
"allowed_audio_seconds": 1280,
"format": "webm"
} Transcript
{
"type": "transcription",
"session_id": "7ab6d67a-9a29-4ad9-90b7-d2f5b2fc08fb",
"text": "Assalomu alaykum, buyurtmam holatini tekshirib bering.",
"partial": false,
"segment_event": "end",
"consumed_audio_seconds": 4.32
} Error
{
"type": "error",
"code": "insufficient_balance",
"message": "Balance limit reached",
"session_id": "7ab6d67a-9a29-4ad9-90b7-d2f5b2fc08fb"
} Статус-коды #
1000 Stream закрыт штатно.
1008 Ошибка token, balance или format.
1011 Server не смог обработать stream.
gRPC streaming транскрипция #
back.aisha.group:443/aisha.stt.RealtimeSTT/Transcribe Backend services отправляют audio bytes stream через gRPC и получают transcript, segments и timings в финальном ответе.
Аутентификация: Используйте token/API access, выданный gateway.
- Audio bytes отправляются в обычном аудио формате: wav, mp3, m4a, ogg или webm.
- В первом chunk отправьте
first=trueиlanguage. В следующих chunk достаточноaudio_chunk. - Пользовательские поля response:
text,language,duration,audio_bytes,segments,timings.
Поля запроса #
audio_chunk обязательно bytes
Часть audio stream.
Пример: 32000 bytes
language string
Supported: uz, ru, en. Отправляется в первом chunk.
Пример: uz
first boolean
Обозначает первый chunk.
Пример: true
Примеры #
Python gRPC stream
import grpc
import stt_pb2
import stt_pb2_grpc
channel = grpc.secure_channel("back.aisha.group:443", grpc.ssl_channel_credentials())
client = stt_pb2_grpc.RealtimeSTTStub(channel)
def chunks(path):
with open(path, "rb") as audio:
first = True
while data := audio.read(32000):
yield stt_pb2.TranscribeChunk(
audio_chunk=data,
language="uz" if first else "",
first=first,
)
first = False
def transcribe(path):
response = client.Transcribe(chunks(path))
print(response.text)
for segment in response.segments:
print(segment.start, segment.end, segment.text)
# Channel reuse mumkin, lekin har audio/utterance uchun alohida Transcribe RPC ochiladi.
transcribe("audio.wav")
transcribe("another.wav") Ответы #
Transcript
{
"text": "Assalomu alaykum, buyurtmam holatini tekshirib bering.",
"language": "uz",
"duration": 4.32,
"audio_bytes": 138240,
"segments": [
{
"start": 0.0,
"end": 4.32,
"text": "Assalomu alaykum, buyurtmam holatini tekshirib bering."
}
],
"timings": {
"transcribe_sec": 0.74,
"total_sec": 0.82
}
} Статус-коды #
OK Transcript возвращен.
INVALID_ARGUMENT Audio stream пустой или неверный.
UNAUTHENTICATED Token/API access не принят.
v2 history список #
https://back.aisha.group/api/v2/stt/get/ History список транскрипций (pagination).
Аутентификация: Требуется X-Api-Key.
- Detail:
GET /api/v2/stt/get/{id}/.
Примеры #
v2 history
curl --request GET \
--url 'https://back.aisha.group/api/v2/stt/get/?page=1&limit=10' \
--header 'X-Api-Key: your_api_key' Ответы #
History
{
"count": 1,
"next": null,
"previous": null,
"results": [
{
"id": 901,
"title": "sales-call-13-aprel",
"status": "PENDING",
"created_at": "2026-05-04T10:39:58.501Z",
"duration": null,
"audio_url": "/media/audio/273bc5f8-1f91-4573-b3df-3c38c44294d0.mp3"
}
]
} Статус-коды #
200 History/detail возвращено.
401 API key отсутствует или неверный.
404 Transcript не найден.
v2 transcript detail #
https://back.aisha.group/api/v2/stt/get/{id}/ Возвращает статус и результат одного транскрипта.
Аутентификация: Требуется X-Api-Key.
- Когда
status=SUCCESS, возвращается результат.
Примеры #
v2 detail
curl --request GET \
--url https://back.aisha.group/api/v2/stt/get/901/ \
--header 'X-Api-Key: your_api_key' Ответы #
Completed
{
"id": 901,
"title": "sales-call-13-aprel",
"status": "SUCCESS",
"created_at": "2026-05-04T10:39:58.501Z",
"duration": 612.4,
"transcript": "Uzoq meeting transcript matni...",
"summary": "Qisqa summary...",
"diarization": [],
"audio_url": "/media/audio/273bc5f8-1f91-4573-b3df-3c38c44294d0.mp3"
} Статус-коды #
200 Detail возвращён.
401 API key отсутствует или неверный.
404 Transcript не найден.
Task status polling #
https://back.aisha.group/task-status/{task_id}/?instance_id={id} Проверяет состояние async task. instance_id обязателен для проверки ownership.
Аутентификация: Требуется X-Api-Key или user access token.
- Для проверки статуса task должен быть связан с
instance_id.
Примеры #
task-status
curl --request GET \
--url 'https://back.aisha.group/task-status/task-123/?instance_id=944' \
--header 'X-Api-Key: your_api_key' Ответы #
Pending
{
"task_id": "task-123",
"status": "PENDING",
"transcript_status": "PENDING",
"message": "Task is still processing"
} Success
{
"task_id": "task-123",
"status": "SUCCESS",
"transcript_status": "SUCCESS",
"result": {
"transcript": "Hello world"
}
} Статус-коды #
200 Статус задачи возвращён.
400 Отсутствует instance_id.
403 Доступ запрещён.
500 Task failed/unknown state.