Áudio e tempo real

Criar Transcrição

Transcreve áudio para o idioma de entrada

POST
/v1/audio/transcriptions

Use GET /v1/models?recommended_for=stt para obter os modelos de transcrição atuais.

Corpo da Requisição

A transcrição pode retornar a transcrição imediatamente ou aceitar uma tarefa assíncrona com HTTP 200, id e status. Para uma tarefa aceita, faça polling em GET /v1/tasks/{id} com o id retornado. Para áudios síncronos mais longos, permita um timeout do cliente de pelo menos 120s.

filefileobrigatório

Arquivo de áudio a ser transcrito. Formatos suportados: flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm. Tamanho máximo do arquivo: 25 MB.

modelstringobrigatório

ID do modelo de transcrição, por exemplo whisper-large-v3 ou qwen3-asr-flash. Encontre as opções atuais com GET /v1/models?recommended_for=stt. Não há modelo padrão.

languagestring

Idioma do áudio no formato ISO-639-1 (ex.: en, zh, ja).

promptstring

Texto opcional para guiar o estilo do modelo ou continuar um segmento anterior, para modelos que listam este parâmetro, como qwen3-asr-flash.

response_formatstringpadrão: json

Formato de saída. Os modelos variam: todos aceitam json, e alguns também listam text ou verbose_json. Verifique os detalhes do modelo selecionado antes de enviar outro valor. text retorna texto puro em vez de um objeto JSON.

temperaturenumber

Temperatura de amostragem de 0 a 1, apenas para modelos que listam este parâmetro.

timestamp_granularitiesarray

word e/ou segment, apenas para modelos que listam este parâmetro. Alguns modelos precisam de response_format=verbose_json para timestamps. Em requisições multipart, repita timestamp_granularities[] para múltiplos valores.

Resposta

Os campos abaixo descrevem respostas de transcrição ou tradução em JSON. text, srt e vtt retornam texto puro ou legendas em vez de um objeto JSON. Campos adicionais dependem do modelo e do formato de saída.

textstring

O texto transcrito.

Para verbose_json:

taskstring

Nome da tarefa quando retornado, como transcribe.

languagestring

Idioma detectado.

durationnumber

Duração do áudio em segundos.

segmentsarray

Segmentos de transcrição com timestamps.

wordsarray

Timestamps no nível de palavra (se solicitado).

Uma tarefa de transcrição assíncrona aceita retorna os seguintes campos em vez da transcrição. Faça polling em GET /v1/tasks/{id}; uma tarefa concluída retorna text e, quando disponível, duration, segments e words.

idstring

ID da tarefa.

task_idstring

Alias do identificador da tarefa assíncrona quando fornecido.

statusstring

Status da tarefa: pending, processing, completed ou failed.

poll_urlstring

URL de status para esta tarefa. Faça polling em GET /v1/tasks/{id} com o id.

Requisição

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"

Resposta

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

Autorização

BearerAuth
AuthorizationBearer <token>

Autenticação por Chave de API. Crie ou gerencie chaves de API em Dashboard > API > API Keys.

Local: header

Cabeçalhos

X-TokenLab-Delivery-Policy?string

Política de entrega por solicitação. Substitui os padrões da API key e do Workspace. Tenta automaticamente o TokenLab Verified primeiro e pode alternar uma vez para Official apenas antes da saída, aceitação da solicitação ou criação de recurso persistente.

Valores permitidos

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

Corpo da requisição

multipart/form-data

Resposta

application/json

application/json

application/json

application/json

application/json

application/json