创建语音识别

使用本接口将音频转录为文本。接口格式与 OpenAI audio/transcriptions 协议兼容。

请求地址

授权

Authorization

• 类型：HTTP Bearer Auth，值类型 string
• 必填
• 说明：用于验证账户信息。前往 API 控制台 ，点击创建令牌获取。

Authorization: Bearer <YOUR_API_KEY>

请求头

Content-Type

• 类型：enum<string>
• 必填，固定值 multipart/form-data
• 说明：请求体的媒体类型。音频文件以表单形式上传，必须为 multipart/form-data。

请求体

概览

model

• 类型：string
• 必填
• 说明：要使用的 ASR 模型。
• 可选值：Ming-3.0-asr-tiny

file

• 类型：file
• 必填
• 说明：需要转录的音频文件。
• 支持格式：.wav、.mp3
• 规格限制：文件大小 ≤ 10 MB、音频时长 ≤ 30 秒

language

• 类型：string
• 选填
• 说明：用于提示音频中的主要语言。不传该参数或传空值时，启用混合语言识别。

prompt

• 类型：string
• 选填
• 说明：在长文本场景中，可以提供之前的转录结果作为上下文，提升转写连贯性。建议小于 60 字。

response_format

• 类型：string
• 选填，默认 json
• 说明：识别结果的返回格式。
• 可选值：json

temperature

• 类型：number
• 选填
• 说明：采样温度，取值 0 到 1。值越小，转录结果越确定。

不支持的属性

以下 OpenAI audio/transcriptions 的属性，当前接口不支持：

• chunking_strategy
• include
• keywords
• known_speaker_names
• known_speaker_references
• languages
• timestamp_granularities
• stream

响应体

响应对象遵循 OpenAI audio/transcriptions 协议的 Transcription 结构。

text

• 类型：string
• 说明：识别出的完整文本。

usage

• 类型：object
• 说明：本次请求的 Token 用量统计。

usage.input_tokens

• 类型：integer
• 说明：消耗的输入 Token 数，包含音频与文本 Token。

usage.output_tokens

• 类型：integer
• 说明：生成的输出 Token 数。

usage.total_tokens

• 类型：integer
• 说明：消耗的总 Token 数（input_tokens + output_tokens）。

usage.input_token_details

• 类型：object
• 说明：输入 Token 明细。
• 字段：
  • audio_tokens — 音频输入消耗的 Token 数。
  • text_tokens — 文本输入（如 prompt）消耗的 Token 数。

model

• 类型：string
• 说明：本次请求使用的模型 ID。

id

• 类型：string
• 说明：本次转录请求的唯一标识。

示例

请求示例

curl --request POST \
  --url https://api.ant-ling.com/v1/audio/transcriptions \
  --header 'Authorization: Bearer <YOUR_API_KEY>' \
  --form 'model="Ming-3.0-asr-tiny"' \
  --form 'file=@"/path/to/hellow.wav"'

from openai import OpenAI
 
client = OpenAI(
    base_url="https://api.ant-ling.com/v1",
    api_key="<YOUR_API_KEY>"
)
 
response = client.audio.transcriptions.create(
    model="Ming-3.0-asr-tiny",
    file=open("/path/to/hellow.wav", "rb")
)
 
print(response.text)

import OpenAI from 'openai';
import fs from 'fs';
 
const client = new OpenAI({
  baseURL: 'https://api.ant-ling.com/v1',
  apiKey: '<YOUR_API_KEY>',
});
 
const response = await client.audio.transcriptions.create({
  model: 'Ming-3.0-asr-tiny',
  file: fs.createReadStream('/path/to/hellow.wav'),
});
 
console.log(response.text);

响应示例

{
  "text": "我们的愿景是构建未来服务业的数字化基础设施，为世界带来更多微小而美好的改变",
  "usage": {
    "input_tokens": 223,
    "output_tokens": 20,
    "total_tokens": 243,
    "type": "tokens",
    "input_token_details": {
      "audio_tokens": 218,
      "text_tokens": 5
    }
  },
  "model": "Ming-3.0-asr-tiny",
  "id": "1eef022e1790004326841103485411"
}