Transcripción de Audio (POST /v1/audio/transcriptions)
Transcribe audio a texto en el formato especificado con compatibilidad total a nivel de protocolo con la API de OpenAI.
Solicitud HTTP
http
POST /v1/audio/transcriptions
Authorization: Bearer sk-oneasr-...
Content-Type: multipart/form-dataCuerpo de la Solicitud (Multipart Form)
| Campo | Tipo | Requerido | Descripción |
|---|---|---|---|
file | binary | Sí | El archivo binario de audio (mp3, mp4, wav, m4a, ogg, webm, flac, etc.). |
model | string | Sí | Nombre del motor/modelo de destino (ej. faster-whisper, qwen, whisper-1). |
language | string | No | Código de idioma ISO-639-1 (ej. es, en, zh, ja, de, ko). |
prompt | string | No | Prompt guía opcional para orientar la ortografía o el vocabulario técnico. |
response_format | string | No | Formato de salida: json (por defecto), text, srt, verbose_json, vtt. |
temperature | number | No | Temperatura de muestreo (0.0 a 1.0, por defecto: 0.0). |
timestamp_granularities | array | No | Granularidades temporales para verbose_json: ["word"], ["segment"]. |
Ejemplos de Código
cURL
bash
curl -X POST http://localhost:8000/v1/audio/transcriptions -H "Authorization: Bearer sk-oneasr-v1-xxx" -F file="@podcast.mp3" -F model="faster-whisper" -F response_format="verbose_json"Python (SDK Oficial de OpenAI)
python
from openai import OpenAI
client = OpenAI(
base_url="http://localhost:8000/v1",
api_key="sk-oneasr-v1-xxx"
)
with open("speech.mp3", "rb") as f:
result = client.audio.transcriptions.create(
model="faster-whisper",
file=f,
response_format="verbose_json"
)
print(result.text)Respuesta (verbose_json)
json
{
"task": "transcribe",
"language": "english",
"duration": 5.24,
"text": "Welcome to OneASR private voice gateway.",
"segments": [
{
"id": 0,
"seek": 0,
"start": 0.0,
"end": 5.2,
"text": "Welcome to OneASR private voice gateway.",
"tokens": [50364, 4843, 284, 1530, 50589],
"temperature": 0.0,
"avg_logprob": -0.12,
"compression_ratio": 1.1,
"no_speech_prob": 0.001
}
]
}