تفريغ الكلام
فرّغ الصوت عبر نقطة النهاية المتوافقة مع OpenAI.
يستقبل POST /v1/audio/transcriptions بيانات نموذج متعددة الأجزاء. يشير whisper-1 إلى محرك ASR المحدد في VoiceStudio.
curl "$VOICESTUDIO_BASE_URL/audio/transcriptions" \
-H "Authorization: Bearer $VOICESTUDIO_API_KEY" \
-F "file=@interview.wav" \
-F "model=whisper-1" \
-F "response_format=verbose_json"تنسيقات الإخراج
| التنسيق | الاستخدام |
|---|---|
json | كائن بسيط { "text": "…" } |
text | مسارات معالجة النص العادي |
verbose_json | اللغة والمدة والمقاطع والطوابع الزمنية |
srt | محررات الترجمة وأدوات الفيديو |
vtt | فيديو الويب وترجمات المتصفح |
حقول اختيارية: language بمعيار ISO 639-1، وprompt للمفردات أو أسلوب المقطع السابق، وtemperature الذي لا تستخدمه جميع المحركات.
لا تُنزّل النماذج بصمت مطلقًا
إذا كان نموذج TTS وحده مثبتًا، تحصل على 409 يحدد النموذج المفقود وما يجب فعله. ثبّت نموذج ASR في VoiceStudio وأعد الطلب.
لبث الميكروفون المباشر، استخدم WebSocket الإملاء في مرجع API.