Audio & Echtzeit

Transkription erstellen

Transkribiert Audio in die Eingabesprache

POST
/v1/audio/transcriptions

Verwenden Sie GET /v1/models?recommended_for=stt, um aktuelle Transkriptionsmodelle abzurufen.

Request-Body

Die Transkription kann das Transkript sofort zurückgeben oder eine asynchrone Aufgabe mit HTTP 200, id und status annehmen. Bei einer angenommenen Aufgabe fragen Sie GET /v1/tasks/{id} mit der zurückgegebenen id ab. Planen Sie bei längeren synchronen Audiodateien ein Client-Timeout von mindestens 120s ein.

filefileerforderlich

Zu transkribierende Audiodatei. Unterstützte Formate: flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm. Maximale Dateigröße: 25 MB.

modelstringerforderlich

ID des Transkriptionsmodells, zum Beispiel whisper-large-v3 oder qwen3-asr-flash. Aktuelle Optionen finden Sie unter GET /v1/models?recommended_for=stt. Es gibt kein Standardmodell.

languagestring

Sprache der Audiodatei im ISO-639-1-Format (z. B. en, zh, ja).

promptstring

Optionaler Text zur Steuerung des Modellstils oder zur Fortsetzung eines vorherigen Segments, für Modelle, die diesen Parameter aufführen, wie z. B. qwen3-asr-flash.

response_formatstringStandard: json

Ausgabeformat. Modelle unterscheiden sich: Alle akzeptieren json, und einige führen auch text oder verbose_json auf. Prüfen Sie die Details des ausgewählten Modells, bevor Sie einen anderen Wert senden. text gibt Rohtext anstelle eines JSON-Objekts zurück.

temperaturenumber

Sampling-Temperatur von 0 bis 1, nur für Modelle, die diesen Parameter aufführen.

timestamp_granularitiesarray

word und/oder segment, nur für Modelle, die diesen Parameter aufführen. Einige Modelle erfordern response_format=verbose_json für Zeitstempel. Wiederholen Sie in Multipart-Requests timestamp_granularities[] für mehrere Werte.

Antwort

Die folgenden Felder beschreiben JSON-Transkript- oder Übersetzungsantworten. text, srt und vtt geben Rohtext oder Untertitel anstelle eines JSON-Objekts zurück. Zusätzliche Felder hängen vom Modell und dem Ausgabeformat ab.

textstring

Der transkribierte Text.

Für verbose_json:

taskstring

Name der Aufgabe, falls zurückgegeben, z. B. transcribe.

languagestring

Erkannte Sprache.

durationnumber

Audiodauer in Sekunden.

segmentsarray

Transkriptionssegmente mit Zeitstempeln.

wordsarray

Zeitstempel auf Wortebene (falls angefordert).

Eine angenommene asynchrone Transkriptionsaufgabe gibt anstelle des Transkripts die folgenden Felder zurück. Rufen Sie GET /v1/tasks/{id} per Polling ab; eine abgeschlossene Aufgabe gibt text und, sofern verfügbar, duration, segments und words zurück.

idstring

Aufgaben-ID.

task_idstring

Alias für die Kennung der asynchronen Aufgabe, falls bereitgestellt.

statusstring

Aufgabenstatus: pending, processing, completed oder failed.

poll_urlstring

Status-URL für diese Aufgabe. Rufen Sie GET /v1/tasks/{id} mit id ab.

Anfrage

curl -X POST "https://api.tokenlab.sh/v1/audio/transcriptions" \
  -H "Authorization: Bearer sk-your-api-key" \
  -F file="@audio.mp3" \
  -F model="whisper-large-v3" \
  -F language="en"

Antwort

{
  "text": "Hello, this is a test of the transcription API."
}

Autorisierung

BearerAuth
AuthorizationBearer <token>

API-Key-Authentifizierung. Erstellen oder verwalten Sie API-Keys unter Dashboard > API > API Keys.

Ort: header

Header

X-TokenLab-Delivery-Policy?string

Zustellungsrichtlinie pro Anfrage. Überschreibt die API-Key- und Workspace-Standardeinstellungen. Versucht automatisch zuerst TokenLab Verified und kann vor der Ausgabe, der Annahme der Anfrage oder der Erstellung persistenter Ressourcen einmalig auf Official umstellen.

Zulässige Werte

  • "auto"
  • "verified"
  • "official"

Anfragekörper

multipart/form-data

Antwort

application/json

application/json

application/json

application/json

application/json

application/json