语音转文字
OpenAI 兼容
语音转文字
POST /v1/audio/transcriptions —— Whisper / GPT-4o transcribe
POST
语音转文字
把音频文件转写为文字。
请求
参数
| 字段 | 类型 | 必填 | 说明 |
|---|---|---|---|
file | file | ✅ | 音频文件,支持 mp3 / mp4 / mpeg / mpga / m4a / wav / webm,最大 25MB |
model | string | ✅ | whisper-1 / gpt-4o-transcribe / gpt-4o-mini-transcribe |
language | string | ISO-639-1 语言代码,如 zh / en / ja,留空自动识别 | |
prompt | string | 引导词,提示模型领域 / 专有名词 / 拼写 | |
response_format | string | json(默认) / text / srt / verbose_json / vtt | |
temperature | number | 0-1 | |
timestamp_granularities[] | array | word / segment,需 verbose_json |
响应
response_format: "json":
response_format: "verbose_json":
srt / vtt 返回字幕文本(可直接保存为 .srt / .vtt)。
Python
长音频策略
- Whisper 单文件 25MB 上限,长音频请提前 切片(推荐 5-10 分钟一段)。
- 使用
prompt传入上一段尾部文本以保持语境连贯。 - 工具如
ffmpeg -i input.mp3 -f segment -segment_time 600 part_%03d.mp3可快速切片。