Все ноды/AI/Media (Speech / Image / Video)

Речь → Текст

Распознаёт речь из аудиофайла и возвращает текст. Голосовое сообщение, которое запустило сценарий, приходит вложением на выход «Сообщение» ноды «Вход» — подключите этот выход прямо ко входу «Аудио». Модель и её параметры выбираются в настройках ноды.

Речь → Текст▶

АудиоТекст

Тип в графе: speech_to_text

Exec

Можно включить выход ошибки и обработать сбой отдельным путём.

Порты можно разделить на исполнение и данные (split ports).

Как попробовать

Минимальный рабочий сценарий

Вход

Речь → Текст▶

Выход▶

Исполнение + данные

Нажмите «Скопировать ноды», откройте редактор и нажмите Ctrl+V на холсте.

Перед запуском выберите своё подключение или базу знаний — в графе стоит REPLACE_ME.

Как применять

Нода расшифровывает аудиофайл в текст. Берите её, когда нужен именно текст: сохранить расшифровку, искать по ней, разветвить граф условием. Если нужен только ответ на голосовое, транскрипция необязательна — модель с поддержкой аудио прочитает вложение сама в ИИ-агенте или Ответе LLM. А вот модель без поддержки аудио вложение просто не увидит, и тогда без этой ноды не обойтись.

Обратная задача — у Текст → Речь. В отличие от неё и от Генерации изображения, расшифровка не подключается к агенту инструментом: голосовое сообщение и так приезжает вложением хода.

Как это работает

Порт Аудио — файловый: в него годится вложение входящего сообщения, файл из хранилища воркспейса или выход Получить файл Telegram. Если пришло несколько файлов, нода берёт первый читаемый. Формат для провайдера определяется по типу файла, а когда тип неизвестен — по сигнатуре самих байт, поэтому wav или ogg не отправятся как mp3.

У модели два параметра: подсказка и язык. Оба принимают шаблоны {{ }} — в подсказку удобно подставлять имена и термины, которые встретятся в записи. Пустой язык означает автоопределение.

Каталог моделей распознавания короткий и ведётся вручную: у провайдера нет фильтра по аудио-входу, поэтому список нельзя собрать автоматически, как остальные каталоги.

Выход Текст — строка. В шаблонах она читается как {{ nodes.<id>.output }}.

Частые ошибки

Ищут голосовое в истории чата. Голосовое, которое запустило сценарий, уже лежит вложением в выходе «Сообщение» Входа: ведите этот выход прямо в Аудио, вложения сообщения разворачиваются в файлы сами. Telegram: история чата и Telegram: получить файл нужны для файлов из прошлых сообщений группы, а не для текущего.
Ждут таймкодов, разбивки по говорящим или разметки. Нода отдаёт один текст и больше ничего.
Считают пустой результат сбоем. Если модель не расслышала ничего, нода завершится успешно с пустой строкой — проверяйте сам текст условием, а не статусом ноды.
Пишут nodes.<id>.output.text. На ребро и в шаблон уходит сама строка расшифровки.
Подают на вход несколько записей сразу. Лишние файлы молча игнорируются; для пачки нужен цикл.

Входы

Порт	Провод	Данные	Примечания
Аудио`audio`	Исполнение + данные`execute_data`	`file`

Выходы

Порт	Провод	Данные	Примечания
Текст`text`	Исполнение + данные`execute_data`	`string`

Настройки

Поле Тип По умолчанию Описание

Поле	Тип	По умолчанию	Описание
Модель`model`	`string`	`openai/whisper-large-v3`	Модель распознавания речи из медиа-каталога (выбирается списком). Её собственные параметры (промпт-подсказка, язык) появляются ниже после выбора модели. Варианты: `openai/whisper-large-v3` — OpenAI Whisper large v3 (STT), `openai/gpt-4o-transcribe` — GPT-4o Transcribe (STT), `openai/gpt-4o-mini-transcribe` — GPT-4o mini Transcribe (STT), `google/chirp-3` — Google Chirp 3 (STT)
Дополнительно
Подключение`connection_id`	`string`	`""`	Необязательный коннект пространства со своим ключом провайдера (BYO). Пусто = ключ платформы из окружения. подключение: openrouter

Модельmodel

string

openai/whisper-large-v3

Модель распознавания речи из медиа-каталога (выбирается списком). Её собственные параметры (промпт-подсказка, язык) появляются ниже после выбора модели.

Варианты: openai/whisper-large-v3 — OpenAI Whisper large v3 (STT), openai/gpt-4o-transcribe — GPT-4o Transcribe (STT), openai/gpt-4o-mini-transcribe — GPT-4o mini Transcribe (STT), google/chirp-3 — Google Chirp 3 (STT)

Дополнительно

Подключениеconnection_id

string

""

Необязательный коннект пространства со своим ключом провайдера (BYO). Пусто = ключ платформы из окружения.

подключение: openrouter

Общие поля

Эти три поля есть у каждой ноды: платформа добавляет их сама, а не автор ноды.

expose_error_output — Если включено, показывает выход выполнения для подключения нод, которые запускаются при сбое этой ноды.
split_ports_in — Показывать отдельные порты входа для выполнения и данных вместо одного объединённого.
split_ports_out — Показывать отдельные порты выхода для выполнения и данных вместо одного объединённого.

Настройки выбранной модели

Появляются в форме после выбора модели — набор зависит от неё, поэтому здесь перечислено всё, что встречается.

Язык (код ISO-639-1)`language`	Например, «ru» или «en». Пусто — язык определится сам.
Подсказка распознаванию`prompt`	Необязательный текст-подсказка: имена, термины, жаргон — распознавание будет их ожидать.