Voibe Transcription MCP Server

Workflows

API simples para fluxos de trabalho complexos

Uma única chamada retorna a transcrição, os falantes e o resumo. O que seu agente constrói a partir disso é a parte interessante.

Notas de reunião

1. Uma gravação de standup chega ao seu bucket
2. Uma chamada retorna quem disse o quê, além de um resumo apenas com decisões
3. Seu agente publica as notas e abre os itens de acompanhamento

"prompt": "resumir como decisões e responsáveis"

QA de suporte

1. Uma chamada de suporte termina e a gravação é enviada
2. Os rótulos de falantes separam o cliente do atendente
3. Seu agente avalia a chamada e sinaliza as que precisam de revisão

"prompt": "listar as reclamações não resolvidas do cliente"

Produção de podcasts

1. Um episódio é enviado e um webhook é registrado
2. A transcrição final chega ao seu endpoint com timestamps
3. Seu agente escreve as notas do programa e cria marcadores de capítulos

"prompt": "escrever notas do programa com títulos de capítulos"

Chamadas de vendas para o CRM

1. Uma gravação de chamada é enviada assim que a reunião termina
2. O resumo retorna como itens de ação
3. Seu agente os registra no negócio e agenda o próximo passo

"prompt": "listar itens de ação com responsáveis e datas"

Cada um desses casos usa os mesmos três endpoints. A única coisa que muda é o prompt que você envia e o que seu agente faz com a resposta.

Feito para agentes

Se seu agente consegue chamar uma URL, ele consegue ouvir

Um POST, um upload, uma resposta JSON. Sem SDK para adotar, sem runtime para instalar, sem framework para adotar.

• Claude Code
• Codex
• Cursor
• Hermes
• OpenClaw

Duas formas de começar, nada para instalar. Conecte o servidor MCP e peça, ou aponte seu agente para a documentação e ele escreve o cliente que seu caso de uso precisa.

Cole isto no seu agente

Read https://platform.getvoibe.com/docs.md and write me a client that
sends a meeting recording to the Voibe API and returns who said
what, with timestamps and a summary.

Servidor MCP

Use no Claude, Cursor, Codex e ChatGPT

Voibe é um servidor MCP. Conecte uma vez e o aplicativo de IA que você já usa pode transcrever uma gravação, ler o resultado e verificar suas atas. Sem código.

1. Adicione o conector Cole o endereço no seu aplicativo: Claude em Conectores, Claude Code com um comando, Cursor e Codex no arquivo de configuração.
2. Faça login uma vez Aprove o Voibe no navegador. Um novo endereço de e-mail cria uma conta com 15 minutos grátis. Sem chave de API para copiar.
3. Peça "Transcreva esta gravação." Uma ferramenta de codificação envia o arquivo sozinha. Um aplicativo de chat fornece um link de upload. A transcrição e o resumo voltam no chat.
4. Mesma API, mesma conta, mesma cobrança: por segundo de áudio, somente quando o trabalho termina.

Endereço MCP

https://api.getvoibe.com/mcp

Claude Code

claude mcp add --transport http voibe https://api.getvoibe.com/mcp

• create_transcription_job Iniciar uma transcrição

• get_transcript Status e depois a transcrição e o resumo

• list_transcripts Suas gravações, das mais recentes para as mais antigas

• get_balance Minutos restantes

• Claude

• Claude Desktop

• Cowork

• Claude Code

• Cursor

• Codex

• ChatGPT

• VS Code

• Hermes

• OpenClaw

O que seu agente recebe de volta

O que a API de transcrição retorna

Sem segunda chamada a um resumidor, sem serviço separado de diarização, sem código de integração para unir tudo.

GET /v1/transcripts/{job_id}

{
  "job_id": "a523721c-…",
  "status": "DONE",
  "title": "Pricing page review",
  "audio_duration_seconds": 205.27,
  "seconds_charged": 206,
  "diarize": true,
  "transcript": [
    { "speaker": "Priya", "start": 0.4,  "end": 5.2,
      "text": "Let's start with the pricing page. Where are we?" },
    { "speaker": "Tom",   "start": 6.1, "end": 10.8,
      "text": "Copy is done. I need a review before Thursday." }
  ],
  "transcript_text": "Priya: Let's start with the pricing page…",
  "summary": { "text": "Pricing page ships Friday. Tom owns the copy, Priya reviews on Thursday." },
  "error": null
}

• transcript Cada linha com quem disse, e os tempos de início e fim em segundos. Cite a pessoa certa, pule para o momento ou encaminhe um acompanhamento para quem pediu.
• transcript_text A mesma transcrição como uma única string simples, pronta para ser inserida diretamente em um prompt ou índice.
• summary Um resumo curto que seu agente pode publicar, armazenar ou analisar sem uma segunda chamada de modelo. Ele vem com um título para a gravação.

Casos de uso

Configure uma vez. Funciona toda semana.

Você não escreve a integração. Você descreve o trabalho recorrente para o agente que já usa, e ele escreve o script que chama o Voibe em um agendamento.

Gerente de produto

usando Claude Cowork

Transforma uma semana de chamadas de clientes em um resumo de feedback por temas, sem ouvir nenhuma delas.

O que pediram ao agente

"Toda sexta-feira, envie as gravações de chamadas da semana para a API do Voibe e me dê os cinco principais temas, com uma citação e o nome do cliente para cada um."

Desenvolvedor

usando Codex

Mantém um índice pesquisável de transcrições de todos os standups e chamadas de incidentes que o time grava.

O que pediram ao agente

"Escreva um job que publique novas gravações do nosso bucket na API do Voibe, armazene o JSON e indexe transcript_text no Postgres para busca."

Fundador

usando Hermes

Transforma chamadas de investidores e vendas em acompanhamentos antes do fim do dia.

O que pediram ao agente

"Quando uma gravação de chamada chegar, transcreva com o Voibe e rascunhe o e-mail de acompanhamento listando o que me comprometi e até quando."

Criador de conteúdo

usando OpenClaw

Transforma cada novo episódio em notas do programa, marcadores de capítulos e candidatos a clipes durante a noite.

O que pediram ao agente

"Monitore esta pasta. Quando um novo episódio aparecer, transcreva com o Voibe e me dê capítulos, notas do programa e as três melhores citações com timestamps."

Cada um desses é uma conversa com um agente. O agente se conecta ao servidor MCP ou lê a documentação, escreve o script e agenda; você revisa a saída.

Preços

Preços da API de fala para texto

15 minutos grátis, depois compre minutos que nunca expiram. Pague pelo áudio que seus agentes realmente transcrevem: sem assinatura, sem assentos, sem mínimo mensal.

$50 $0,27 por hora de áudio

11.000 minutos · 183 horas de áudio

Comece com 15 minutos grátis

Sem cartão. Por segundo de áudio, cobrado quando um trabalho termina. Minutos nunca expiram.

Diarização de falantes

Diarização de falantes: seu agente sabe quem disse o quê

Os rótulos de falantes estão ativados por padrão: cada linha retorna com um rótulo de falante e tempos de início e fim em segundos. Não há limite de quantos falantes são distinguidos, e quando as pessoas dizem seus nomes, o resumo os utiliza. Sem modelo de diarização separado para executar, sem custo extra. Defina diarize como false para uma transcrição simples.

• Agentes de reunião que rastreiam quem se comprometeu com o quê
• Agentes de suporte que citam o cliente
• Pipelines de entrevistas e podcasts
• Qualquer lugar onde mais de uma pessoa fala

Um campo na chamada de criação

{ "diarize": true }

Webhooks

Transcrição assíncrona: seu agente dispara e segue em frente

Passe um webhook_url ao criar o trabalho e fazemos POST do resultado final para seu endpoint. Nenhum loop de agente fica bloqueado em uma sondagem. O corpo carrega um nome de evento e o mesmo corpo de trabalho do GET, então um único handler cobre ambos os caminhos.

Um campo na chamada de criação

{ "webhook_url": "https://you.dev/ready" }

Resumos direcionáveis

Peça o formato que seu agente precisa

Passe um prompt e o resumo retorna do jeito que seu código quer ler: apenas decisões, itens de ação, marcadores. Seu agente obtém estrutura utilizável sem uma segunda chamada de modelo. Até 2.000 caracteres. Isso muda o resumo.

Suas instruções, seu resumo

{
  "diarize": true,
  "prompt": "summarise as bullet points, focus on decisions"
}

Integração

Deixe seu agente de codificação configurar tudo

Copie um prompt do portal para Claude Code, Codex, Cursor ou qualquer agente de codificação, e ele escreve o cliente para você. O prompt chega com sua chave já preenchida. E quando você só precisa transcrever uma gravação, pule o código: conecte o servidor MCP e peça.

Crie aplicativos úteis

O que desenvolvedores criam com a API de fala para texto

A API fornece texto com rótulos de falantes, timestamps e um resumo direcionável. Estes são os produtos que surgem disso.

Anotador de reuniões

Transforme uma gravação em notas que nomeiam quem se comprometeu com o quê. Os rótulos de falantes fazem a atribuição, o prompt molda a saída em decisões e responsáveis.

Arquivo de chamadas pesquisável

Indexe transcript_text para busca em texto completo e mantenha os timestamps para pular direto ao momento. Filtre por falante para encontrar o que uma pessoa disse ao longo de meses de chamadas.

Legendas e subtítulos

Cada linha chega com um tempo de início e fim em segundos, que é tudo que um arquivo SRT ou VTT precisa. Legende uma biblioteca inteira de vídeos sem tocar em um editor.

Notas de voz para tarefas

Um memorando de caminhada e conversa vira trabalho estruturado. Peça ao prompt itens de ação com responsáveis e datas e escreva-os diretamente no seu rastreador.

Avaliação e coaching de chamadas

Separe o atendente do cliente e avalie a chamada com sua própria rubrica. Revise os casos fora do padrão.

Uma interface de voz para seu produto

Deixe os usuários falarem com seu aplicativo. Envie o clipe, receba texto que seu agente pode rotear e evite construir infraestrutura de fala.

Nenhum desses precisa de um endpoint diferente. A transcrição, os falantes e o resumo chegam em uma única resposta; o produto é o que você faz com ela.

Como funciona

Como funciona a API de fala para texto

Três endpoints, dois passos. Crie o trabalho, envie o áudio para a URL assinada que você recebe e depois consulte o resultado ou deixe um webhook trazê-lo até você.

• POST /v1/transcripts Inicia um trabalho e retorna uma URL de upload assinada.
• GET /v1/transcripts/{job_id} Retorna status, transcrição e resumo.
• GET /v1/transcripts Lista seus trabalhos, até 200 por página.
• O áudio vai direto para o armazenamento na URL assinada, então arquivos grandes nunca passam por uma requisição de API. Arquivos de até 200 MB; a URL funciona por 5 horas.

Envie o áudio

curl -s -X PUT "$UPLOAD_URL" \
  -H "Content-Type: application/octet-stream" \
  --data-binary @pricing-meeting.mp3

Confiança e confiabilidade

Retenção zero do seu áudio

A gravação é excluída no momento em que a transcrição existe. Ela nunca é mantida e nunca é usada para treinar modelos.

• O áudio é excluído após a transcrição

  A gravação é removida assim que a transcrição é produzida.

• Nunca usado para treinar modelos

  Nada que você envia é usado para treinar modelos. Suas gravações são suas.

• Cada leitura é limitada à sua conta

  Um trabalho só pode ser lido pela conta que o criou.

• Trabalhos com falha nunca são cobrados

  Você paga apenas quando um trabalho atinge DONE. Trabalhos em fila, em processamento e com falha não custam nada, então uma nova tentativa também não custa nada.

Suas transcrições permanecem legíveis via GET /v1/transcripts por 24 horas após o trabalho terminar, para que um agente possa buscar um resultado novamente sem reenviar o áudio.

FAQ da API de fala para texto

Qual é a melhor API de fala para texto para agentes de IA?

Aquela que seu agente pode usar sem esperar por uma integração. A API do Voibe é HTTP simples: um POST para iniciar um trabalho, um upload, uma resposta JSON contendo a transcrição, rótulos de falantes, timestamps e um resumo. Não há SDK para instalar nem framework para adotar. Também é um servidor MCP em https://api.getvoibe.com/mcp,, então Claude, Claude Code, Cursor, Codex e ChatGPT se conectam diretamente. Para seu próprio código, aponte o agente para https://platform.getvoibe.com/docs.md e ele descobre as chamadas que seu caso de uso precisa. Toda nova conta começa com 15 minutos grátis e sem cartão.

A API de fala para texto do Voibe tem um servidor MCP?

Sim. O servidor MCP do Voibe está em https://api.getvoibe.com/mcp.. Adicione-o ao Claude, Claude Code, Cursor, Codex, ChatGPT ou VS Code como um conector personalizado ou com um bloco de configuração, faça login uma vez e peça ao aplicativo para transcrever uma gravação. Ele expõe quatro ferramentas: iniciar uma transcrição, obter uma transcrição, listar transcrições e verificar minutos restantes. Ele usa a mesma conta, os mesmos minutos e a mesma cobrança por segundo da API.

O Claude pode transcrever uma gravação de reunião com o Voibe?

Sim. No Claude, abra Personalizar, depois Conectores, clique em +, escolha Adicionar conector personalizado, cole https://api.getvoibe.com/mcp e faça login. Depois peça ao Claude para transcrever uma gravação. O Claude não consegue ler arquivos do seu computador, então ele fornece um link de upload; solte o arquivo e o Claude busca a transcrição e o resumo. Isso funciona no Claude na web, no Claude Desktop e no Cowork.

Como transcrevo áudio do Claude Code, Cursor ou Codex?

Conecte o servidor MCP do Voibe e peça. Para Claude Code, execute claude mcp add --transport http voibe https://api.getvoibe.com/mcp,, digite /mcp em uma sessão e faça login. Cursor e Codex aceitam um bloco no arquivo de configuração. Depois peça ao agente para transcrever um arquivo: ele envia o arquivo sozinho e retorna a transcrição com rótulos de falantes e o resumo. A configuração para cada aplicativo está em https://platform.getvoibe.com/docs/mcp.

A API identifica diferentes falantes e sabe seus nomes? Sim. Os rótulos de falante estão ativados por padrão: cada linha retorna com um rótulo de falante e horários de início e fim em segundos. Os falantes são rotulados como speaker_0, speaker_1 e assim por diante, de forma consistente dentro de uma gravação, sem limite máximo de quantos são distinguidos. O resumo e o título usam nomes de pessoas quando a gravação os contém, por exemplo, quando alguém se apresenta ou é chamado pelo nome. A diarização de falantes está incluída no preço. Defina diarize como false para uma transcrição simples.

Quais formatos de áudio, tamanhos de arquivo e limites de taxa se aplicam?

mp3, wav, m4a, mp4, flac, ogg e webm são aceitos diretamente; outros arquivos de áudio e vídeo são convertidos primeiro quando o áudio pode ser lido. O formato é identificado pelo conteúdo do arquivo. Cada arquivo pode ter até 200 MB, e a URL de upload funciona por 5 horas. Os limites de taxa são 50 jobs por minuto e 1.000 jobs por dia por conta; além disso, a chamada de criação retorna 429, então aguarde e tente novamente.

Quais idiomas a API de fala para texto suporta?

Os modelos de fala e resumo são multilíngues, então a gravação não precisa estar em inglês. A separação de falantes funciona da mesma forma em qualquer idioma.

Preciso fazer polling para obter os resultados?

Não. Passe um webhook_url ao criar o job e faremos um POST do resultado final para o seu endpoint assim que estiver pronto. O corpo contém um nome de evento, transcript.completed ou transcript.failed, e o mesmo corpo de job do GET /v1/transcripts/{job_id}, então um único handler cobre ambos. O polling ainda está disponível se você preferir.

Como sou cobrado e os minutos expiram?

Por segundo de áudio, arredondado para o segundo inteiro. Um arquivo de 3 minutos e 24 segundos custa 3 minutos e 24 segundos. Você é cobrado apenas quando um job atinge o status DONE, então jobs na fila, em processamento ou com falha não custam nada. Toda nova conta começa com 15 minutos grátis e nenhum cartão é necessário. Depois disso, você compra minutos em pacotes únicos, a partir de $10 por 2.000 minutos. Os minutos nunca expiram, e não há assinatura nem valor mínimo mensal.

O que acontece se um job falhar?

Você não é cobrado. O job retorna com status FAILED e um campo de erro explicando o que deu errado em palavras simples, por exemplo, minutos insuficientes para a duração do áudio, ou um arquivo que nunca chegou dentro de 24 horas. Sem minutos restantes, a chamada de criação é recusada com erro 402 antes de qualquer upload, então nada é enviado.

Meu áudio é armazenado ou usado para treinar modelos?

O áudio é excluído após a transcrição e nunca é usado para treinar modelos. Transcrições e resumos permanecem legíveis por 24 horas após o término do job e depois são excluídos. O título, a duração e o custo do job permanecem no seu histórico. Cada leitura é limitada à sua conta, então você só vê seus próprios jobs. A fala para texto roda no Whisper large-v3-turbo, a separação de falantes no pyannote community-1, e o resumo no gpt-oss-120b.

Como isso é diferente de rodar o Whisper eu mesmo?

Não há infraestrutura para executar, nenhuma GPU para manter aquecida e nenhum escalonamento para gerenciar. A diarização de falantes e o resumo retornam na mesma resposta que a transcrição, sem um segundo modelo e sem código de integração. Você paga por segundo de áudio transcrito, e não há tempo de servidor para pagar.