跳轉到主要內容

​
請求主體

​
file
file
必填
要轉錄的音訊檔案。支援格式：flac、mp3、mp4、mpeg、mpga、m4a、ogg、wav、webm。
​
model
string
預設值:"whisper-1"
要使用的模型。目前僅支援 whisper-1。
​
language
string
音訊的語言，採用 ISO-639-1 格式（例如：en、zh、ja）。
​
prompt
string
可選文字，用於引導模型的風格或延續前一段內容。
​
response_format
string
預設值:"json"
輸出格式：json、text、srt、verbose_json、vtt。
​
temperature
number
預設值:"0"
取樣溫度（0 到 1）。
​
timestamp_granularities
array
時間戳記粒度：word 和／或 segment。需要 verbose_json。

​
回應

​
text
string
轉錄後的文字。
對於 verbose_json：
​
task
string
一律為 transcribe。
​
language
string
偵測到的語言。
​
duration
number
音訊時長（秒）。
​
segments
array
含時間戳記的轉錄片段。
​
words
array
詞級時間戳記（若有請求）。
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."
}

​
翻譯

若要將音訊翻譯為英文，請使用 translations endpoint： 
response = client.audio.translations.create(
    model="whisper-1",
    file=audio_file
)