STT API

Endpoints для Speech-to-Text. Для server-to-server интеграции отправляйте X-Api-Key в каждом запросе.

API v1 API v2 Realtime STT

Overview #

  1. 1 POST /api/v1/stt/post/ для коротких аудио (sync).
  2. 2 POST /api/v2/stt/post/ для длинных аудио (async, возвращает task_id).
  3. 3 Для realtime audio используйте WebSocket wss://back.aisha.group/api/v1/stt/realtime.
  4. 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 #

POST 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 #

200 OK

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 #

GET 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 #

200 OK

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) #

POST 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 #

200 OK

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 #

WS 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 chunks audio/webm;codecs=opus, которые отправляет browser MediaRecorder.
  • 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 #

message

Session started

{
  "type": "session_started",
  "session_id": "7ab6d67a-9a29-4ad9-90b7-d2f5b2fc08fb",
  "user_id": "42",
  "allowed_audio_seconds": 1280,
  "format": "webm"
}
message

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
}
message

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 #

gRPC 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=true и language. В следующих chunk достаточно audio_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 #

OK

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 #

GET 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 #

200 OK

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 #

GET 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 #

200 OK

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 #

GET 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 #

200 OK

Pending

{
  "task_id": "task-123",
  "status": "PENDING",
  "transcript_status": "PENDING",
  "message": "Task is still processing"
}
200 OK

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.