Transkription
Audio über den OpenAI-kompatiblen Endpunkt transkribieren.
POST /v1/audio/transcriptions nimmt Multipart-Formulardaten entgegen. whisper-1 verweist auf die in VoiceStudio ausgewählte ASR-Engine.
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"Ausgabeformate
| Format | Verwendung |
|---|---|
json | Ein einfaches { "text": "…" } |
text | Klartext-Pipelines |
verbose_json | Sprache, Dauer, Segmente und Zeitstempel |
srt | Untertitel-Editoren und Videowerkzeuge |
vtt | Webvideo und Browser-Untertitel |
Optionale Felder: language (ISO 639-1), prompt (Wortschatz oder Stil des vorherigen Segments) und temperature (nicht jede Engine nutzt dies).
Modelle werden nie stillschweigend heruntergeladen
Wenn nur ein TTS-Modell installiert ist, erhältst du 409 mit dem fehlenden Modell und den nächsten Schritten. Installiere ein ASR-Modell in VoiceStudio und wiederhole die Anfrage.
Für Mikrofon-Livestreaming nutze den Diktat-WebSocket in der API-Referenz.