ট্রান্সক্রিপশন
OpenAI-সামঞ্জস্যপূর্ণ এন্ডপয়েন্ট দিয়ে অডিও ট্রান্সক্রাইব করুন।
POST /v1/audio/transcriptions মাল্টিপার্ট ফর্ম ডেটা নেয়। whisper-1 VoiceStudio-তে নির্বাচিত ASR ইঞ্জিনের সঙ্গে যুক্ত।
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"আউটপুট ফরম্যাট
| ফরম্যাট | ব্যবহার |
|---|---|
json | একটি সাধারণ { "text": "…" } |
text | সাধারণ টেক্সট পাইপলাইন |
verbose_json | ভাষা, সময়কাল, অংশ ও টাইমস্ট্যাম্প |
srt | সাবটাইটেল এডিটর ও ভিডিও টুল |
vtt | ওয়েব ভিডিও ও ব্রাউজার ক্যাপশন |
ঐচ্ছিক ফিল্ড: language (ISO 639-1), prompt (শব্দভাণ্ডার বা আগের অংশের ধরন) এবং temperature (সব ইঞ্জিন ব্যবহার করে না)।
মডেল কখনো নীরবে ডাউনলোড হয় না
শুধু TTS মডেল ইনস্টল থাকলে 409 পাওয়া যায়, যেখানে অনুপস্থিত মডেল ও করণীয় বলা থাকে। VoiceStudio-তে ASR মডেল ইনস্টল করে অনুরোধ আবার করুন।
লাইভ মাইক্রোফোন স্ট্রিমিংয়ের জন্য API রেফারেন্স-এর ডিকটেশন WebSocket ব্যবহার করুন।