Audio y tiempo real

Crear transcripción

Transcribe audio al idioma de entrada

POST
/v1/audio/transcriptions

Utilice GET /v1/models?recommended_for=stt para obtener los modelos de transcripción actuales.

Cuerpo de la solicitud

La transcripción puede devolver la transcripción inmediatamente o aceptar una tarea asíncrona con un código HTTP 200, id y status. Para una tarea aceptada, realice un sondeo (poll) a GET /v1/tasks/{id} con el id devuelto. Para audios síncronos más largos, permita un tiempo de espera del cliente de al menos 120s.

filefileobligatorio

Archivo de audio a transcribir. Formatos admitidos: flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm. Tamaño máximo de archivo: 25 MB.

modelstringobligatorio

ID del modelo de transcripción, por ejemplo whisper-large-v3 o qwen3-asr-flash. Encuentre las opciones actuales con GET /v1/models?recommended_for=stt. No existe un modelo predeterminado.

languagestring

Idioma del audio en formato ISO-639-1 (p. ej., en, zh, ja).

promptstring

Texto opcional para guiar el estilo del modelo o continuar un segmento anterior, para modelos que enumeran este parámetro, como qwen3-asr-flash.

response_formatstringpredeterminado: json

Formato de salida. Los modelos difieren: todos aceptan json, y algunos también enumeran text o verbose_json. Verifique los detalles del modelo seleccionado antes de enviar otro valor. text devuelve texto sin formato en lugar de un objeto JSON.

temperaturenumber

Temperatura de muestreo de 0 a 1, solo para modelos que enumeran este parámetro.

timestamp_granularitiesarray

word y/o segment, solo para modelos que enumeran este parámetro. Algunos modelos necesitan response_format=verbose_json para las marcas de tiempo. En solicitudes multipart, repita timestamp_granularities[] para múltiples valores.

Respuesta

Los campos a continuación describen las respuestas de transcripción o traducción en JSON. text, srt y vtt devuelven texto sin formato o subtítulos en lugar de un objeto JSON. Los campos adicionales dependen del modelo y del formato de salida.

textstring

El texto transcrito.

Para verbose_json:

taskstring

Nombre de la tarea cuando se devuelve, como transcribe.

languagestring

Idioma detectado.

durationnumber

Duración del audio en segundos.

segmentsarray

Segmentos de transcripción con marcas de tiempo.

wordsarray

Marcas de tiempo a nivel de palabra (si se solicita).

Una tarea de transcripción asíncrona aceptada devuelve los siguientes campos en lugar de la transcripción. Realice un sondeo a GET /v1/tasks/{id}; una tarea completada devuelve text y, cuando esté disponible, duration, segments y words.

idstring

ID de la tarea.

task_idstring

Alias del identificador de tarea asíncrona cuando se proporciona.

statusstring

Estado de la tarea: pending, processing, completed o failed.

poll_urlstring

URL de estado para esta tarea. Realice un sondeo a GET /v1/tasks/{id} con el id.

Solicitud

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"

Respuesta

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

Autorización

BearerAuth
AuthorizationBearer <token>

Autenticación con API Key. Cree o gestione API keys en Dashboard > API > API Keys.

Ubicación: header

Encabezados

X-TokenLab-Delivery-Policy?string

Política de entrega por solicitud. Sustituye los valores predeterminados de la API key y del Workspace. Auto intenta primero con TokenLab Verified y puede cambiar una vez a Official solo antes de la salida, la aceptación de la solicitud o la creación de recursos persistentes.

Valores permitidos

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

Cuerpo de la solicitud

multipart/form-data

Respuesta

application/json

application/json

application/json

application/json

application/json

application/json