Распознавание речи

Передача аудиофайла и получение транскрипции

Метод

POST https://api.getapi.ru/v1/audio/transcriptions

Запрос использует multipart/form-data и модель распознавания речи

Поле	Тип	Обязательное	Описание
`model`	string	Да	ID модели
`file`	file	Да	Аудиофайл
`language`	string	Нет	Код языка, например `ru`
`prompt`	string	Нет	Контекст, имена или термины для совместимых моделей
`response_format`	string	Нет	Поддерживаемый формат результата

Пример

Подготовьте файл call.mp3 и проверьте доступность модели whisper-1

bash

curl --fail-with-body https://api.getapi.ru/v1/audio/transcriptions \
  -H "Authorization: Bearer $GETAPI_API_KEY" \
  -F "model=whisper-1" \
  -F "file=@call.mp3" \
  -F "language=ru" \
  -F "response_format=json"

SDK-вариант, пакет openai

python

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://api.getapi.ru/v1",
    api_key=os.environ["GETAPI_API_KEY"],
    max_retries=0,
)

with open("call.mp3", "rb") as audio:
    response = client.audio.transcriptions.create(
        model="whisper-1",
        file=audio,
        language="ru",
        response_format="json",
    )
print(response.text)

Файл остаётся открытым до завершения запроса

Форматы ответа

Для JSON результат читается из text. Другие форматы, включая расширенный JSON, временные метки и субтитры, используйте только при поддержке выбранной моделью

Не все модели распознавания поддерживают одинаковые значения response_format и параметры временных меток

Длинные записи

Проверьте ограничения размера, длительности и формата файла для модели. Не используйте один общий лимит для всех маршрутов

Если запись нужно делить, сохраняйте порядок сегментов, смещения времени и небольшой контекст на границах. Повтор одного сегмента не должен дублировать его текст в итоговой транскрипции

Распознавание и перевод являются разными задачами. Наличие Transcriptions API не подтверждает доступность /v1/audio/translations

Подробнее: ошибки, таймауты

← Синтез речи

Генерация видео →