语音转文字 (Audio Transcriptions)

语音转文字（Audio Transcriptions）接口用于将输入的音频文件转录为相对应的文本内容。支持 Whisper 系列等语音识别模型。此接口使用 multipart/form-data 数据类型。

接口端点

POST /v1/audio/transcriptions

请求参数

参数	类型	必填	默认值	说明
file	file	✅	-	需要转录的音频文件。支持格式：mp3, mp4, mpeg, mpga, m4a, wav, webm。大小限制在 25MB 以内。
model	string	✅	-	调用的语音识别模型 ID（例如 whisper-1）。
language	string	❌	-	音频所使用语言的 ISO-639-1 代码（如 zh, en），有助于提升识别准确度。
prompt	string	❌	-	可选的提示词，用来纠正音频中人名或生僻词的拼写。
response_format	string	❌	json	返回数据的格式。可选：json, text, srt, vtt。
temperature	number	❌	0	采样温度，介于 0 到 1 之间。

调用示例

cURL 请求

curl https://api.easytakeai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -F file="@speech.mp3" \
  -F model="whisper-1" \
  -F language="zh"

JSON 响应示例

{
  "text": "欢迎使用大模型中转平台进行语音识别测试。"
}