語音轉錄介面 (POST /v1/audio/transcriptions)

將音訊檔案轉錄為指定格式的文字，完全相容 OpenAI API 協定規範。

---

HTTP 請求

POST /v1/audio/transcriptions
Authorization: Bearer sk-oneasr-...
Content-Type: multipart/form-data

---

請求主體欄位說明 (Multipart Form)

欄位名	類型	是否必填	參數說明
file	binary	是	音訊檔案二進位物件 (mp3, mp4, wav, m4a, ogg, webm, flac 等)。
model	string	是	呼叫的引擎/模型名稱（如 faster-whisper, qwen, whisper-1）。
language	string	否	ISO-639-1 語言代碼（如 zh, en, ja, de, ko）。
prompt	string	否	引導轉錄風格或專業術語的上下文提示詞。
response_format	string	否	回傳資料格式：json (預設), text, srt, verbose_json, vtt。
temperature	number	否	取樣溫度參數 (0.0 到 1.0，預設: 0.0)。
timestamp_granularities	array	否	時間戳記細粒度：["word"] (詞級), ["segment"] (分句級)。

---

呼叫範例程式碼

cURL

curl -X POST http://localhost:8000/v1/audio/transcriptions   -H "Authorization: Bearer sk-oneasr-v1-xxx"   -F file="@meeting.mp3"   -F model="faster-whisper"   -F language="zh"   -F response_format="verbose_json"

Python (官方 OpenAI SDK)

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)

---

回傳範例 (verbose_json)

{
  "task": "transcribe",
  "language": "chinese",
  "duration": 5.24,
  "text": "歡迎使用 OneASR 高效能私有化語音閘道。",
  "segments": [
    {
      "id": 0,
      "seek": 0,
      "start": 0.0,
      "end": 5.2,
      "text": "歡迎使用 OneASR 高效能私有化語音閘道。",
      "tokens": [50364, 4843, 284, 1530, 50589],
      "temperature": 0.0,
      "avg_logprob": -0.12,
      "compression_ratio": 1.1,
      "no_speech_prob": 0.001
    }
  ]
}