API speech-to-text

Une seule API pour la transcription, la traduction, les sous-titres et l'analyse

La plupart des API de reconnaissance vocale s'arrêtent au texte brut, alors que l'API Sonix renvoie une transcription déjà structurée pour tout ce que vous construirez ensuite.

Chaque fonctionnalité ci-dessous correspond à un endpoint documenté : la transcription que vous récupérez peut devenir des sous-titres, une traduction, un extrait audio monté ou un résumé sans jamais quitter l'API.

Transcription par lots

Envoyez un fichier en POST sur /v1/media, ou passez un file_url pour tout fichier de plus de 100MB, et Sonix le transcrit de manière asynchrone. Définissez la langue, ajoutez des keywords pour orienter la reconnaissance vers les noms propres et le jargon, joignez des custom_data pour vos propres identifiants, et indiquez un callback_url pour que Sonix prévienne votre serveur dès que la tâche se termine ou échoue. Les enregistrements où chaque locuteur est isolé sur un canal distinct peuvent passer par l'endpoint multipiste pour une détection des locuteurs par canal.

Traduction

Une fois la transcription terminée, envoyez en POST un code de langue cible à son endpoint translations, et Sonix renvoie une transcription traduite dans l'une des 54+ langues disponibles. Les endpoints de transcription acceptent un paramètre language : obtenir le fichier SRT en espagnol d'une interview en anglais se résume donc à une seule requête GET une fois la traduction terminée.

Sous-titres

Les endpoints SRT et VTT renvoient des fichiers de sous-titres avec de vrais réglages de mise en forme : max_characters et max_duration limitent chaque sous-titre, subtitle_lines choisit une ou deux lignes, et speaker_display détermine l'affichage du nom des locuteurs. L'endpoint split redécoupe toute une transcription en sous-titres sous une limite de vitesse de lecture max_cps, et l'endpoint burn-in incruste les sous-titres dans la vidéo elle-même, avec la police, la taille, la couleur et le format d'image de votre choix, y compris 9:16 et 1:1 pour les réseaux sociaux.

Exports et données structurées

Récupérez n'importe quelle transcription en JSON avec les temps de début et de fin de chaque mot et l'identification des locuteurs, en texte brut, en document Word ou PDF prêt à partager, en SRT ou VTT, ou en fichier Avid DS pour les monteurs vidéo. L'endpoint d'export média va plus loin : il coupe l'audio ou la vidéo elle-même pour ne garder que vos extraits, ou retire tout ce que vous avez barré, en MP3, WAV ou MP4.

Analyse IA

L'endpoint de résumé lance une analyse sur une transcription terminée : un résumé avec le nombre de phrases de votre choix, des chapitres, le sentiment, une analyse thématique, l'extraction d'entités, ou votre propre prompt, par exemple « Rédigez 5 tweets promotionnels pour ce podcast ».

Callbacks et webhooks

Pas besoin de boucle de polling. Les tâches de transcription et de résumé acceptent un callback_url, et Sonix y envoie le statut de la tâche en POST quand le travail se termine ou échoue. Pour les équipes qui automatisent à grande échelle, les forfaits Pro et Enterprise ajoutent des webhooks d'événements : abonnez-vous à la fin d'une transcription, à la fin d'une traduction, aux changements de libellés et de dossiers et à l'application d'une rédaction, chaque événement étant signé en HMAC-SHA256 dans un en-tête X-Webhook-Signature pour que votre serveur puisse vérifier que chaque payload vient bien de Sonix.

Streaming en temps réel

Pour le sous-titrage en direct et la transcription à faible latence, Sonix propose une API de streaming via WebSocket, en accès anticipé pour les équipes entreprise ; demandez l'accès sur la page transcription en temps réel. La transcription par lots est aujourd'hui entièrement documentée et en libre-service.

Du fichier audio à la transcription en trois appels API

Authentifiez-vous avec un Bearer token sur https://api.sonix.ai/v1, envoyez le fichier, puis récupérez la transcription dans le format qu'il vous faut.

Envoyer le fichier

Envoyez le média en multipart form data avec sa langue, un nom, et éventuellement des keywords et des custom_data :

curl -XPOST https://api.sonix.ai/v1/media -H "Authorization: Bearer <API Key>"  \
    -F file=@my_audio.mp3 \
    -F language=en \
    -F name='Podcast Episode 45' \
    -F keywords='Sonix, Bergamasco, Kairos, Chewbacca' \
    -F custom_data='{"internal_id": "123412", "customer_email": "[email protected]"}'

Vérifier le statut ou attendre le callback

Interrogez l'objet media jusqu'à ce que son statut passe à completed, ou sautez cette étape et attendez votre callback_url :

curl -XGET https://api.sonix.ai/v1/media/qmnY1nD5 -H "Authorization: Bearer <API Key>"

Récupérer la transcription horodatée

Demandez la transcription en JSON, ou remplacez l'extension par .srt, .vtt ou texte brut :

curl -XGET https://api.sonix.ai/v1/media/qmnY1nD5/transcript.json -H "Authorization: Bearer <API Key>"

Un enregistrement multilingue ? Indiquez language=multi et listez les langues attendues dans language_hints. La référence complète des paramètres, les corps de réponse et les codes d'erreur se trouvent dans la documentation de l'API.

Développer ou acheter : une API de transcription ou Whisper auto-hébergé

Les modèles vocaux open source ont fait de la transcription en interne une vraie option, et pour certaines équipes c'est la bonne ; pour la plupart, le modèle n'est que la plus petite partie du travail.

Ce que coûte vraiment l'auto-hébergement

Le téléchargement du modèle est gratuit, la production ne l'est pas. Auto-héberger, c'est une capacité GPU qui dort entre deux tâches ou qui s'effondre lors des pics, une file d'attente avec relances et gestion des échecs, un stockage sécurisé pour l'audio, et une supervision de l'ensemble. C'est un chantier d'infrastructure permanent, avec astreinte. Avec une API de transcription, le coût est un tarif appliqué à l'audio que vous traitez réellement, et l'intégration se résume aux trois appels ci-dessus.

Tout ce qu'il faut reconstruire autour du modèle

Un modèle vocal brut renvoie du texte, et un produit a besoin de plus que du texte. L'identification des locuteurs, le découpage des sous-titres avec limites de vitesse de lecture, la traduction, l'incrustation des sous-titres, les exports média et les résumés sont autant de systèmes distincts à développer et à maintenir autour du modèle. L'API Sonix fournit tout cela depuis une seule interface documentée.

Précision et maintenance des langues

Un modèle auto-hébergé reste figé au checkpoint que vous avez déployé, et chaque mise à jour est une migration à votre charge, à re-tester sur votre propre audio. Sonix maintient les modèles derrière l'API, atteint 99% de précision sur un audio clair en 54+ langues, gère les fichiers multilingues en une seule requête et accepte des keywords à chaque requête pour orienter la reconnaissance vers les noms propres et le jargon, sans aucun entraînement.

La conformité est incluse

Si l'audio de vos clients passe par votre pipeline, vos auditeurs aussi. Sonix est certifié SOC 2 Type II, conforme HIPAA avec un BAA signé, et conforme au RGPD avec un DPA et des clauses contractuelles types. Les données sont chiffrées avec TLS en transit et en AES-256 au repos, et ne servent jamais à entraîner des modèles. Tous les détails sont sur la page sécurité.

Quand l'auto-hébergement est pertinent

L'auto-hébergement l'emporte quand un contrat interdit à l'audio de quitter votre infrastructure, quand vous travaillez dans des environnements isolés du réseau, ou quand une équipe ML personnalise des modèles à plein temps et qu'un volume régulier occupe des GPU dédiés. Si aucun de ces cas ne vous correspond, une API vous mène plus vite en production, et un essai gratuit vous montre la différence sur votre propre audio avant de vous engager.

Quatre usages courants de l'API Sonix

La plupart des intégrations suivent l'un de ces quatre schémas, et chacun repose sur les endpoints documentés ci-dessus.

Pipelines médias et contenus

Branchez la transcription sur votre CMS ou votre pipeline vidéo pour que chaque import reçoive une transcription consultable et des sous-titres SRT ou VTT, dans la langue d'origine et traduits. Les équipes médias s'en servent pour rendre des archives entières consultables et accessibles, sans étape de sous-titrage manuel.

Plateformes de réunions et d'appels

Transcrivez les réunions et appels enregistrés avec identification des locuteurs, puis générez résumés, chapitres et analyse de sentiment pour chacun. Quand chaque interlocuteur est sur un canal distinct, l'endpoint multitrack sépare exactement le conseiller du client, ce dont les contrôles qualité et conformité ont besoin.

Outils de recherche et d'analyse

Envoyez les entretiens et les focus groups au fil de l'eau, récupérez des transcriptions horodatées avec identification des locuteurs, et lancez l'analyse dont vous avez besoin sur chacune. Grâce aux horodatages, chaque citation renvoie à son moment précis dans l'enregistrement source.

Flux d'accessibilité

Générez des sous-titres qui respectent de vraies limites de présentation en caractères, en durée et en vitesse de lecture, incrustez-les dans la vidéo pour les plateformes qui ne gèrent pas les sous-titres, et traduisez-les pour un public international. Des équipes du secteur de la santé et du secteur public s'appuient pour cela sur l'infrastructure SOC 2 Type II et conforme HIPAA de Sonix.

Sans code : le serveur MCP, la CLI et Zapier

Toutes les intégrations ne sont pas des applications : Sonix propose donc aussi un serveur MCP pour les assistants IA, un outil en ligne de commande et une application Zapier.

Le serveur MCP Sonix, à l'adresse https://api.sonix.ai/mcp, permet aux assistants compatibles MCP comme Claude, ChatGPT, Cursor et Codex de parcourir votre médiathèque, d'importer des transcriptions dans une conversation et de générer des exports pour vous. Il fonctionne en lecture seule, et la connexion passe par OAuth 2.1 dans votre navigateur : vous approuvez la connexion une fois, sans clé API à coller.

Pour vos scripts, la CLI officielle de Sonix (npm install -g @sonix-ai/cli) expose l'API REST sous forme de commandes de terminal, avec --wait pour attendre la fin d'une tâche, --json pour chaîner avec d'autres outils et --format pour une sortie en txt, SRT, VTT, JSON ou Avid DS. Elle est aussi pensée pour les agents de code IA : sonix agent-context affiche toutes les commandes en JSON en un seul appel. L'installation est décrite dans la documentation de la CLI.

Vous préférez ne pas coder du tout ? Sonix sur Zapier relie Sonix à des milliers d'applications, et la page intégrations liste toutes les connexions natives.

Les tarifs de l'API sont ceux de l'application web

Pas de grille tarifaire spécifique à l'API : son utilisation puise dans les mêmes heures que les imports web et se facture sur l'audio traité, au prorata de la seconde.

L'accès à l'API est inclus dans les forfaits Core, Advanced, Pro et Enterprise. Core coûte $25 par mois avec 5 heures de transcription et de traduction incluses, et les heures supplémentaires coûtent $10 l'heure sur tous les forfaits. Les forfaits Pro et Enterprise ajoutent des webhooks d'événements, pour que vos systèmes réagissent dès qu'une transcription est prête. Comparez tous les forfaits sur la page tarifs.

Une sécurité pensée pour l'audio réglementé

L'API repose sur la même infrastructure que celle qui porte la conformité SOC 2 Type II, HIPAA et RGPD de Sonix.

Les données sont chiffrées avec TLS en transit et en AES-256 au repos, vous pouvez générer une nouvelle clé API depuis votre compte à tout moment, et l'audio et les transcriptions de vos clients ne servent jamais à entraîner des modèles. Certifications et accords sont détaillés sur la page sécurité.