跳转到主要内容

​
请求体

​
file
file
必填
要转录的音频文件。支持的格式：flac、mp3、mp4、mpeg、mpga、m4a、ogg、wav、webm。
​
model
string
默认值:"whisper-1"
要使用的模型。目前仅支持 whisper-1。
​
language
string
音频的语言，采用 ISO-639-1 格式（例如：en、zh、ja）。
​
prompt
string
可选文本，用于引导模型的风格或续接上一段内容。
​
response_format
string
默认值:"json"
输出格式：json、text、srt、verbose_json、vtt。
​
temperature
number
默认值:"0"
采样温度（0 到 1）。
​
timestamp_granularities
array
时间戳粒度：word 和/或 segment。需要 verbose_json。

​
响应

​
text
string
转录后的文本。
对于 verbose_json：
​
task
string
始终为 transcribe。
​
language
string
检测到的语言。
​
duration
number
音频时长，单位为秒。
​
segments
array
带时间戳的转录片段。
​
words
array
词级时间戳（如已请求）。
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."
}

​
翻译

要将音频翻译为英语，请使用 translations endpoint： 
response = client.audio.translations.create(
    model="whisper-1",
    file=audio_file
)