Audio Transcriptions API

Convertit de l’audio en texte. Compatible avec POST /v1/audio/transcriptions d’OpenAI ; le fichier audio est téléversé en multipart/form-data.

Famille	Modèle	Remarques
Transcription GPT	`openai/gpt-transcribe`, `openai/gpt-4o-mini-transcribe`, `openai/gpt-4o-transcribe-diarize`	Voir Transcription GPT
ElevenLabs	`elevenlabs/scribe_v2`	Horodatage mot à mot et séparation des locuteurs ; voir ElevenLabs

Démarrage rapide

base_urlhttps://api.ofox.ai/v1

Adresse de l'endpointhttps://api.ofox.ai/v1/audio/transcriptions

ID du modèleopenai/gpt-transcribe

Python

transcribe.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.ai/v1", api_key=os.environ["OFOX_API_KEY"])
 
with open("meeting.mp3", "rb") as f:
    result = client.audio.transcriptions.create(
        model="openai/gpt-transcribe",
        file=f,
        language="zh",
        prompt="以下是普通话的句子，请使用简体中文。",
    )
print(result.text)

Paramètres de la requête

fileobligatoirefile

Fichier audio, par exemple mp3 ou wav. Un fichier qui n’est pas de l’audio renvoie 400.

modelobligatoirestring

ID du modèle ; voir le tableau ci-dessus.

languagestring

Langue de l’audio, par exemple zh ou en. Si elle est omise, elle est détectée automatiquement.

promptstring

Texte d’indication servant à orienter l’écriture ou les noms propres ; s’applique aux modèles de transcription GPT. Pour transcrire du mandarin, il est conseillé de passer à la fois language: "zh" et « 以下是普通话的句子，请使用简体中文。 » (« Les phrases suivantes sont en mandarin, utilisez le chinois simplifié. »), sans quoi la sortie risque d’être en caractères traditionnels.

response_formatstring· par défaut json· valeursjsonverbose_json

Seuls json et verbose_json sont pris en charge ; text, srt et vtt renvoient 400. verbose_json ne s’applique qu’à ElevenLabs Scribe.

provider_optionsstring

Paramètres propres au fournisseur, transmis sous forme de chaîne JSON dans un champ de formulaire, par exemple {"elevenlabs": {"diarize": true}}. Voir la page de chaque famille.

Réponse


{
  "text": "今天天气很好，我们下午三点在会议室讨论新功能。",
  "usage": { "type": "duration", "seconds": 9 }
}

textstring

Texte transcrit.

usageobject

Base de facturation. Si type vaut duration, la facturation se fait à la seconde d’audio (seconds) ; s’il vaut tokens, elle se fait au token (input_tokens, output_tokens).

ElevenLabs Scribe renvoie en outre words (texte et horodatages de début et de fin de chaque mot), language, duration et d’autres champs ; voir ElevenLabs. Pour obtenir un fichier de sous-titres, générez-le vous-même à partir des horodatages de words.

Erreurs courantes

HTTP	Message d’erreur	Cause	Solution
400	`Unsupported response_format 'srt'. Only 'json' and 'verbose_json' are supported on this gateway`	`text`, `srt` ou `vtt` utilisé	Utilisez `json` ; générez les sous-titres à partir des horodatages
400	`response_format 'verbose_json' is not compatible with model 'gpt-transcribe'. Use 'json' or 'text' instead.`	Les modèles de transcription GPT ne prennent pas en charge `verbose_json`	Utilisez `json`
400	`Unsupported file format txt`	Le fichier téléversé n’est pas de l’audio	Téléversez un fichier audio, `mp3`, `wav`, etc.
400	`Model 'openai/gpt-5.4' is not supported on /v1/audio/transcriptions. Supported: ...`	Le modèle choisi n’est pas un modèle de transcription	Utilisez l’un des modèles listés dans le message d’erreur
400	`You must provide a model parameter.`	Requête envoyée en JSON au lieu d’un formulaire	Téléversez le fichier en `multipart/form-data`

Description complète des codes d’erreur : Gestion des erreurs.