音訊與即時
建立轉錄
將音訊轉錄為輸入語言
使用 GET /v1/models?recommended_for=stt 來獲取目前的轉錄模型。
請求主體 (Request Body)
轉錄功能可以立即返回轉錄內容,或接受非同步任務並返回 HTTP 200、id 和 status。對於已接受的任務,請使用返回的 id 輪詢 GET /v1/tasks/{id}。對於較長的同步音訊,請允許客戶端至少 120s 的逾時時間。
要轉錄的音訊檔案。支援的格式:flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm。最大檔案大小:25 MB。
轉錄模型 ID,例如 whisper-large-v3 或 qwen3-asr-flash。請透過 GET /v1/models?recommended_for=stt 查詢目前的選擇。沒有預設模型。
音訊的語言,採用 ISO-639-1 格式(例如 en, zh, ja)。
選填文字,用於引導模型的風格或延續前一段內容(適用於列出此參數的模型,例如 qwen3-asr-flash)。
json輸出格式。模型之間存在差異:所有模型都接受 json,部分模型也列出 text 或 verbose_json。在發送其他值之前,請檢查所選模型的詳細資訊。text 會返回原始文字而非 JSON 物件。
採樣溫度(0 到 1),僅適用於列出此參數的模型。
word 和/或 segment,僅適用於列出此參數的模型。部分模型需要 response_format=verbose_json 才能獲取時間戳記。在 multipart 請求中,若有多個值,請重複 timestamp_granularities[]。
回應 (Response)
下方的欄位描述了 JSON 轉錄或翻譯的回應。text、srt 和 vtt 會返回原始文字或字幕,而非 JSON 物件。其他欄位取決於模型和輸出格式。
轉錄後的文字。
對於 verbose_json:
返回時的任務名稱,例如 transcribe。
偵測到的語言。
音訊長度(以秒為單位)。
包含時間戳記的轉錄片段。
單字級別的時間戳記(若有請求)。
已接受的非同步轉錄任務會返回以下欄位,而非轉錄內容。請輪詢 GET /v1/tasks/{id};已完成的任務會返回 text,以及在可用時返回 duration、segments 和 words。
任務 ID。
提供時的非同步任務識別碼別名。
任務狀態:pending、processing、completed 或 failed。
此任務的狀態 URL。請使用 id 輪詢 GET /v1/tasks/{id}。
請求
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"回應
{
"text": "Hello, this is a test of the transcription API."
}授權
BearerAuth API Key 驗證。請在 Dashboard > API > API Keys 建立或管理 API 金鑰。
位置: header
請求標頭
單次請求傳遞策略。會覆寫 API key 與 Workspace 的預設值。系統會自動優先嘗試 TokenLab Verified,並可能在輸出、請求接受或建立持久性資源前切換至 Official 模式一次。
可選值
- "auto"
- "verified"
- "official"
請求主體
multipart/form-data
回應
application/json
application/json
application/json
application/json
application/json
application/json