获取 API Key 获取 API
文档

Whisper-1 音频转录

- 支持 99 种语言的语音识别

  • 多种输出格式:json、text、srt、vtt 等
  • 最大文件大小 25 MB

请求示例

curl --request POST \
  --url https://api.openveer.com/v1/audio/transcriptions \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: multipart/form-data' \
  --form 'file=@/path/to/audio.mp3' \
  --form 'model=whisper-1' \
  --form 'language=zh' \
  --form 'response_format=json'

响应示例

{
  "text": "这是一段测试音频的转录文本内容。"
}

Authorizations

Authorization string

所有接口均需要使用Bearer Token进行认证

获取 API Key:

访问 API Key 管理页面 获取您的 API Key

使用时在请求头中添加:

Authorization: Bearer YOUR_API_KEY

Body

注意

⚠️ 此接口不支持在线调用(Try it)

由于文件上传的限制,请使用以下方式测试:

  • Apifox / Postman - 导入后手动将 file 参数改为文件类型
  • cURL - 参考右侧代码示例
  • SDK - 使用各语言的 SDK 示例代码
file string

要转录的音频文件(文件类型)

⚠️ 注意:如果使用 Apifox 等工具测试:

  1. 导入后需要手动将此参数类型改为 file
  2. 确保请求 Content-Type 为 multipart/form-data

支持的格式:mp3, mp4, mpeg, mpga, m4a, wav, webm

最大文件大小:25 MB

model string

语音识别模型名称

Example: "whisper-1"

language string

音频的语言代码(ISO-639-1 格式)

指定语言可以提高准确率和速度

支持的语言包括:zh(中文)、en(英文)、ja(日文)、ko(韩文)等 99 种语言

Example: "zh"

prompt string

可选的文本提示,用于指导模型的转录风格或延续前一段音频

最长 224 个 tokens

response_format string

输出格式

支持的格式:

  • json - JSON 格式(仅包含文本)
  • text - 纯文本
  • srt - SRT 字幕格式
  • verbose_json - 详细的 JSON 格式(包含时间戳和其他元数据)
  • vtt - WebVTT 字幕格式
temperature number

采样温度,范围 0 到 1

较高的值(如 0.8)会使输出更随机,较低的值(如 0.2)会使其更加确定和一致

Response

text string

转录后的文本内容

task string

任务类型,固定为 transcribe

仅在 verbose_json 格式时返回

language string

检测到的或指定的语言代码

仅在 verbose_json 格式时返回

duration number

音频时长(秒)

仅在 verbose_json 格式时返回

segments array
文本片段数组 仅在 verbose\_json 格式时返回
id integer

片段ID

start number

片段开始时间(秒)

end number

片段结束时间(秒)

text string

片段文本内容

temperature number

使用的采样温度

avg_logprob number

平均对数概率

compression_ratio number

压缩比

no_speech_prob number

无语音概率