ٹرانسکرپشن
OpenAI سے مطابقت رکھنے والے اینڈ پوائنٹ سے آڈیو متن میں بدلیں۔
POST /v1/audio/transcriptions ملٹی پارٹ فارم ڈیٹا لیتا ہے۔ whisper-1 VoiceStudio میں منتخب ASR انجن سے منسلک ہے۔
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"آؤٹ پٹ فارمیٹس
| فارمیٹ | استعمال |
|---|---|
json | سادہ { "text": "…" } |
text | سادہ متن کی پائپ لائنیں |
verbose_json | زبان، دورانیہ، حصے اور ٹائم اسٹیمپ |
srt | سب ٹائٹل ایڈیٹر اور ویڈیو ٹولز |
vtt | ویب ویڈیو اور براؤزر کیپشن |
اختیاری فیلڈز: language (ISO 639-1)، prompt (الفاظ یا پچھلے حصے کا انداز) اور temperature (ہر انجن اسے استعمال نہیں کرتا)۔
ماڈلز خاموشی سے کبھی ڈاؤن لوڈ نہیں ہوتے
صرف TTS ماڈل انسٹال ہو تو 409 ملتا ہے، جس میں غیر موجود ماڈل اور اگلا قدم بتایا جاتا ہے۔ VoiceStudio میں ASR ماڈل انسٹال کریں اور درخواست دوبارہ بھیجیں۔
لائیو مائیکروفون اسٹریمنگ کے لیے API حوالہ میں ڈکٹیشن WebSocket استعمال کریں۔