Skip to main content
语音转文本可将口语音频转录为文字。向 /audio/transcriptions 发送一个音频文件,选择转录模型,并指定所需的响应格式。

基本用法

支持的输入

常见音频格式包括 mp3mp4mpegmpgam4awavwebmflacogg。请查阅 语音转文本模型 页面了解当前模型支持情况和价格。

响应格式

当转录内容将与媒体播放配合使用时,请选择字幕格式。当转录用于摘要生成、搜索或下游聊天提示时,请使用 jsontext

生产环境建议

  • 尽量保证音频清晰,避免多人同时说话。
  • 如果工作流需要更低延迟或更方便重试,可将过长的录音切分为较小的片段。
  • 为每份转录保存原始音频路径、模型 ID 和响应格式,便于审计。

相关资源