音频转文本

POST

https://api.deerapi.com/v1/audio/transcriptions

该端点允许您使用指定的模型和参数转录音频文件。

请求正文参数

文件"（文本）：要转录的音频文件对象（非文件名），格式如下： flac、mp3、mp4、mpeg、mpga、m4a、ogg、wav 或 webm。

model`（文本）：要使用的模型 ID。目前只有 whisper-1（由我们的开源 Whisper V2 模型提供）可用。

prompt （文本）：可选文本，用于引导模型的风格或延续之前的音频片段。提示语应与音频语言相匹配。

response_format （文本）：输出格式，可选 json、text、srt、verbose_json 或 vtt。

temperature （文本）：取样温度，介于 0 和 1 之间。取值越高（如 0.8），输出越随机，取值越低（如 0.2），输出越集中、确定。如果设置为 0，模型将使用对数概率自动提高温度，直到达到特定阈值。

语言（文本）：输入音频的语言。提供 ISO-639-1 格式的输入语言将提高准确性和延迟。

请求示例

Shell

JavaScript

Java

Swift

curl --location --request POST 'https://api.deerapi.com/v1/audio/transcriptions' \
--header 'Authorization: Bearer {{api-key}}' \
--form 'file=@""' \
--form 'model="whisper-1"' \
--form 'prompt="eiusmod nulla"' \
--form 'response_format="json"' \
--form 'temperature="0"' \
--form 'language=""'

响应示例

{
    "text": "Imagine the wildest idea that you've ever had, and you're curious about how it might scale to something that's a 100, a 1,000 times bigger. This is a place where you can get to do that."
}

请求参数

Header 参数

Authorization

string

必需

示例值:

Bearer {{api-key}}

Body 参数multipart/form-data

file

必需

要转录的音频文件，采用以下格式之一：mp3、mp4、mpeg、mpga、m4a、wav 或 webm。

model

string

必需

要使用的模型的 ID。仅whisper-1当前可用。

示例值:

whisper-1

prompt

string

可选

可选文本，用于指导模型的风格或继续之前的音频片段。提示应与音频语言相匹配。

示例值:

eiusmod nulla

response_format

string

可选

成绩单输出的格式，采用以下选项之一：json、text、srt、verbose_json 或 vtt。

示例值:

json

temperature

string

可选

采样温度，介于 0 和 1 之间。较高的值（如 0.8）将使输出更加随机，而较低的值（如 0.2）将使输出更加集中和确定。如果设置为 0，模型将使用对数概率自动升高温度，直到达到特定阈值。

示例值:

language

string

可选

输入音频的语言。以ISO-639-1格式提供输入语言将提高准确性和延迟。

返回响应

🟢200Successful Response

text/plain

Body

text

string

必需

修改于 2025-04-02 04:55:54

文本转音频

创建翻译

音频转文本

请求正文参数#

请求参数

返回响应

请求正文参数