transcript: { mode, provider }
Dispatch 时按 bot 配置。mode ∈ {async, realtime}。provider ∈ {hosted-whisper, deepgram, assemblyai, gladia, aws-transcribe, elevenlabs}。
05 · transcription api
H2 2026 推出转录， 可选。
The recording is the product; the transcript is an add-on. Bring your own key for AWS Transcribe, Deepgram, AssemblyAI, Gladia, or ElevenLabs and pay $0. Or pay $0.10/hr for hosted Whisper-large-v3 with speaker tagging built in.
概述
为何存在。
分离。我们认为转录不应该被打包进录制价格。一些团队已经为更高质量输出付钱给 Deepgram 或 Gladia；强迫他们付我们一个隐藏的 $0.15/小时去忽略我们的转录是侮辱性的。所以我们出货两条路径，让您按 bot 选择。新账号默认是“不转录”，因为最便宜的 API 调用是您不发起的那个。
BYOK 意味着您把提供商密钥存在 meetbot 账户中；在录制完成时 (或实时，通过 WebSocket) 我们通过该提供商的 API 路由音频，在您的 bot webhook 上返回结果。我们绝不看到超过路由所需的转录内容。托管 Whisper 跑在 Hetzner GPU 机器 (RTX 4090) 上，服务约二十个并发实时流，支持会议中途切换语言。说话者标记是螺接在 bot 现有的按说话者音频 mapping 之上的——我们已经知道谁说了什么；转录继承这点。
异步或实时，您来选。异步是会议结束后的一个 POST；实时在 wss://api.meetbot.dev/v1/transcripts/:bot_id 上打开一个 WebSocket，产生时流式 partial + 最终化发言。两种模式返回我们今天用于字幕的同样 speaker-id 标记 JSONL 形状，所以您能在下游消费者中用一行更改把字幕换成转录。
计划中的接口
Spec, 公开。
transcript.jsonl
换行分隔 JSON。每行一个最终化发言，带 speakerId、name、text、tStart、tEnd。与字幕同样形状。
wss://api.meetbot.dev/v1/transcripts/:id
实时 WebSocket。发言产生时发出 {type: partial|final, ...} 帧。按说话者。
POST /v1/recordings/:id/transcript
对先前完成的录制的异步转录。如果您在通话后才决定启用转录则有用。
Multilingual + language switching
Whisper-large-v3 检测会议中途的语言切换。JSONL 中按发言的 lang 标签。无需提前声明。
BYOK key vault
提供商密钥用每租户 KMS 派生密钥加密存储。通过 /account/keys 轮换无需 redeploy。