語音轉文字

將音訊轉錄為輸入語言。相容於 OpenAI API 格式，並支援額外的說話者分類。

POST /audio/transcriptions

cURL

basic_transcription

curl --request POST \ --url https://api.skiesoft.com/v1/audio/transcriptions \ --header 'Authorization: Bearer <token>' \ --header 'Content-Type: multipart/form-data' \ --form file=@example-file \ --form model=thiannu-v1

200

json_format

{ "task": "transcribe", "duration": 6.5, "text": "你好，歡迎使用聽有 AI。這是一個測試錄音。", "segments": [ { "id": 0, "start": 0, "end": 6.5, "text": "你好，歡迎使用聽有 AI。這是一個測試錄音。" } ] }

Authorizations

Authorization · string · header · required

使用 API 金鑰進行身份驗證。格式：Bearer YOUR_API_KEY

Body

multipart/form-data

音訊檔案和辨識參數

file · file · required

要轉錄的音訊檔案物件（不是檔案名稱），支援以下格式：mp3、wav、webm。

model · enum<string> · required

要使用的模型 ID

Available options: thiannu-v1

Example:

"thiannu-v1"

speaker_diarization · boolean · default: false

啟用說話者分離功能，可識別和區分不同的說話者。這是 軟雲聽有 AI 的獨有功能。

Example:

true

Response

200

application/json

轉錄成功

task · enum<string> · required

執行的任務類型。

Available options: transcribe

Example:

"transcribe"

duration · number · required

音訊的持續時間，以秒為單位。

Example:

6.5

text · string · required

完整的轉錄文字內容。

Example:

"你好，歡迎使用聽有 AI。這是一個測試錄音。"

segments · object[] · required

從音訊中提取的片段，包含時間戳記、標記和其他元資料。僅在 timestamp_granularities 請求包含 segment 時包含。

Show child attributes

num_speakers · number

偵測到的說話者數量