语音转录接口 (POST /v1/audio/transcriptions)

将音频文件转录为指定格式的文本，完全兼容 OpenAI API 协议规范。

---

HTTP 请求

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

---

请求体字段说明 (Multipart Form)

字段名	类型	是否必填	参数说明
file	binary	是	音频文件二进制对象 (mp3, mp4, wav, m4a, ogg, webm, flac 等)。
model	string	是	调用的引擎/模型名称（如 faster-whisper, qwen, whisper-1）。
language	string	否	ISO-639-1 语言代码（如 zh, en, ja, de, ko）。
prompt	string	否	引导转录风格或专业术语的上下文提示词。
response_format	string	否	返回数据格式：json (默认), text, srt, verbose_json, vtt。
temperature	number	否	采样温度参数 (0.0 到 1.0，默认: 0.0)。
timestamp_granularities	array	否	时间戳粒度：["word"] (词级), ["segment"] (分句级)。

---

调用示例代码

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)

---

返回示例 (verbose_json)

{
  "task": "transcribe",
  "language": "chinese",
  "duration": 5.24,
  "text": "欢迎使用 OneASR 高性能私有化语音网关。",
  "segments": [
    {
      "id": 0,
      "seek": 0,
      "start": 0.0,
      "end": 5.2,
      "text": "欢迎使用 OneASR 高性能私有化语音网关。",
      "tokens": [50364, 4843, 284, 1530, 50589],
      "temperature": 0.0,
      "avg_logprob": -0.12,
      "compression_ratio": 1.1,
      "no_speech_prob": 0.001
    }
  ]
}