メインコンテンツへスキップ

​
リクエストボディ

​
file
file
必須
文字起こしする音声ファイル。対応形式: flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm。
​
model
string
デフォルト:"whisper-1"
使用するモデル。現在は whisper-1 のみサポートされています。
​
language
string
ISO-639-1 形式の音声言語（例: en, zh, ja）。
​
prompt
string
モデルのスタイルを誘導したり、前のセグメントの続きを生成したりするための任意のテキスト。
​
response_format
string
デフォルト:"json"
出力形式: json, text, srt, verbose_json, vtt。
​
temperature
number
デフォルト:"0"
サンプリング温度（0 から 1）。
​
timestamp_granularities
array
タイムスタンプの粒度: word および/または segment。verbose_json が必要です。

​
レスポンス

​
text
string
文字起こしされたテキスト。
verbose_json の場合:
​
task
string
常に transcribe。
​
language
string
検出された言語。
​
duration
number
音声の長さ（秒）。
​
segments
array
タイムスタンプ付きの文字起こしセグメント。
​
words
array
単語レベルのタイムスタンプ（要求された場合）。
curl -X POST "https://api.lemondata.cc/v1/audio/transcriptions" \
  -H "Authorization: Bearer sk-your-api-key" \
  -F file="@audio.mp3" \
  -F model="whisper-1" \
  -F language="en"

{
  "text": "Hello, this is a test of the transcription API."
}

​
翻訳

音声を英語に翻訳するには、translations endpoint を使用します: 
response = client.audio.translations.create(
    model="whisper-1",
    file=audio_file
)