early access面向智能体和自动化的媒体基础设施
嘈杂音频进，
干净 JSON 出。
一次调用，搞定 4 小时文件、说话人混乱和格式地狱——交给你的智能体一个稳定的 schema。无需 ffmpeg，无需盯着。
$
✓ tools registered — try “transcribe this call, give me action items”
需要密钥—— agent.v1 · 失败任务不计费
一次调用，搞定 4 小时文件、说话人混乱和格式地狱——交给你的智能体一个稳定的 schema。无需 ffmpeg，无需盯着。
Every sample below is an actual file the live engine produced — play it, read it, then run it on your own.
Ngoài kia bao nhiêu câu ca tình nhân thơ tháng Các thế gian nghe như con sông trôi ngẹn ngào Và anh buồn sai bao nhiêu lệch trên bức trấn Để biết em rời đi không khi nào về lại Nói đi em bao dân gió trong đời oan cháy Mà sao em văn thân đi suốt kinh doanh
谁都能调 Whisper。真正烧时间的是周围那一圈。Vocce 把这些部分扛下来，让你的智能体或自动化一次调用就能信任结果。
将 4 小时录音拆分、并行转写、再拼接回连续准确的时间戳——接缝处无漂移。
支持 10GB+ 上传跨整段文件保持一致的稳定说话人映射，低置信度片段会被标记而非静默猜测。
speaker_map.json重复发送同一任务，得到同一 job_id。后端临时故障自动重试。失败任务不计费。
exactly-once 语义MOV、M4A、WebM、奇怪的码率、无标准化音轨的视频——Vocce 清理、归一化响度、为 ASR 压缩，接受 URL 或上传。你永远不用碰 ffmpeg。
20+ 格式 · 清理 · 归一化 · 压缩将完成结果推送到你的 hook、队列或自动化。MCP、CLI、API 和每个节点的输出 schema 完全一致。
agent.v1 schema一次任务返回下游工具所需的全部产物——结构化、版本化、稳定到可以往上构建。
{
"speaker_turns": [
{ "speaker": "A", "start": 12.4, "text": "..." }
],
"chapters": ["Problem", "Decision", "Next steps"],
"artifacts": ["transcript.md", "subtitles.srt"]
}真正的发现发生在人们构建的地方：MCP 注册中心、自动化市场、以及你的 CI。跨所有渠道的统一工具名和 schema。
{
"mcpServers": {
"vocce": {
"command": "npx",
"args": ["@vocce/transcribe-mcp"],
"env": { "VOCCE_API_KEY": "vc_..." }
}
}
}一个深入而非求广的例子。同样的原语支撑播客发布、研究访谈和合规字幕——但这里是团队愿意先付费的工作流。
我们坦诚自己的赛道：不是最便宜的 STT，也不是会议机器人。是中间那个可靠的层次。
Deepgram、AssemblyAI、Whisper 给你文本。你还要自己搭建分片、说话人拼接、重试和投递。Vocce 就是那一层。
Otter 和 TurboScribe 是为人在仪表盘里使用而设计的。Vocce 是为被代码调用而生，有稳定的 schema 和 webhook。
你自己的 ffmpeg + 队列 + ASR 脚本在凌晨两点被 4 小时文件搞崩。Vocce 是那个脚本的维护版。
丢入一个文件，免费获取 3 分钟预览：质量报告、前几条字幕、以及 agent JSON 样本。当导出结果重要时，按包付费或接入 API。
同一个可靠管道支撑着聚焦的落地页——每个页面都以访客搜索的具体任务开场。
原始 API 只返回一个干净文件的文本。Vocce 拥有它周围的管道：多小时文件分片拼接无时间戳漂移、带稳定映射的说话人分离、格式归一化、幂等任务、自动重试和 webhook 投递——全部以一个版本化的 schema 返回。
MCP、CLI、REST API、n8n 节点和一个 GitHub Action 现已可用，Zapier、Make 规划中。所有渠道的工具名和输出 schema 完全一致。
不会。上传失败和任务失败不消耗额度。只有当任务成功完成时才计费，同时向你的代码暴露清晰的失败原因。
TXT、Markdown、DOCX、SRT、VTT、纯净音频、压缩音频、摘要 Markdown、质量报告，以及供下游工具使用的 agent JSON schema。
前端将任务提交到可配置的 API 端点，如果后端未连接则安全失败。将其接入你的上传、队列、ffmpeg、ASR 和导出管道；契约在 backend-contract.md 中有文档说明。