Voz

Helmcode cubre ambas direcciones del habla con endpoints de audio compatibles con OpenAI — texto a voz con kokoro, voz a texto con whisper-large-v3.

Texto a voz

kokoro sintetiza voz natural con latencia por debajo del segundo y 67 voces (español incluido). Llama a /v1/audio/speech.

Python

from openai import OpenAI
client = OpenAI(base_url="https://api.helmcode.com/v1", api_key="sk-your-key-here")

audio = client.audio.speech.create(
    model="kokoro",
    voice="ef_dora",          # voz femenina en español — ver voces abajo
    input="Hola, esto es Helmcode.",
)
audio.stream_to_file("hello.mp3")

Las voces incluyen ef_dora (femenina ES), em_alex (masculina ES) y af_heart (femenina EN). Límite: 15 rpm.

Voz a texto

whisper-large-v3 transcribe 99+ idiomas con detección automática (~3,2% de WER en español). Llama a /v1/audio/transcriptions.

Python

transcript = client.audio.transcriptions.create(
    model="whisper-large-v3",
    file=open("meeting.mp3", "rb"),
)
print(transcript.text)

cURL

curl https://api.helmcode.com/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-key-here" \
  -F model="whisper-large-v3" \
  -F file=@meeting.mp3

Los archivos están limitados a 25MB / ~2 minutos por petición, a 10 rpm — divide el audio largo en fragmentos. OGG/Opus y MP3 comprimen mejor.