Inhalt
Leitfaden zur Audiotranskription
Leitfaden zur Audiotranskription
POST /v1/audio/transcriptions ist OpenAI-compatible: Audio als multipart/form-data hochladen oder base64 input_audio als JSON senden und Text empfangen. Zu den Modellen gehören elevenlabs/scribe-v2 und elevenlabs/scribe-v2-medical. Die aktuelle Liste steht unter GET /v1/models?output_modalities=transcription. GET /v1/models liefert standardmäßig nur Textmodelle; hängen Sie ?output_modalities=transcription (oder all) an, um sie aufzulisten.
/v1/audio/transcriptionsParameter
| Parameter | Typ | Erforderlich | Beschreibung |
|---|---|---|---|
| model | string | Ja | ID des Transkriptionsmodells, z. B. elevenlabs/scribe-v2. |
| file | file | Ja | Audiodatei (multipart). Unterstützt: wav, mp3, mp4, m4a, ogg, flac, webm, aac. Maximal 25 MiB. JSON-Clients können stattdessen input_audio: {data: base64, format} senden. |
| response_format | string | Nein | json (Standard) liefert {text}; verbose_json ergänzt Sprache, Dauer und segments/words. |
| language | string | Nein | Optionaler Sprachhinweis wie en oder zh. Leer lassen für automatische Erkennung. |
| prompt | string | Nein | Optionaler Kontext für Namen und Begriffe. Nicht jedes Modell wendet ihn an. |
| timestamp_granularities[] | string[] | Nein | word und/oder segment. Nur bei response_format=verbose_json angewendet, sonst ignoriert. Zeitstempel auf Wortebene werden derzeit nicht zurückgegeben; Segmente schon. |
Ausgabeformate
response_format akzeptiert nur json oder verbose_json (text, srt und vtt werden nicht unterstützt). stream wird nicht unterstützt. Die Audiodauer ist pro Modell begrenzt, standardmäßig auf 60 Sekunden. Längeres Audio wird vor der Verarbeitung mit 413 audio_too_long abgelehnt und nicht berechnet. Teilen Sie längere Aufnahmen auf.
Abrechnung
Transkription wird pro Audiosekunde berechnet. Der Sekundenpreis steht auf der Modellseite unter /models und unter GET /v1/models als pricing.second; der Minutenpreis beträgt das 60-Fache. Die Antwort zeigt die berechneten Sekunden unter usage und den Betrag unter usage.cost.
Beispiele
curl https://api.bazaarlink.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $BAZAARLINK_API_KEY" \
-F model="elevenlabs/scribe-v2" \
-F file=@audio.mp3 \
-F response_format=verbose_json \
-F "timestamp_granularities[]=word"Häufige Fehler
| Status | Ursache und Lösung |
|---|---|
| 400 | Ungültige Anfrage: model oder file fehlt, leeres Audio, response_format nicht json/verbose_json, stream=true (unsupported_parameter) oder timestamp_granularities nicht word/segment. |
| 401 | API-Schlüssel fehlt oder ist ungültig. |
| 402 | Guthaben reicht nicht aus. Aufladen und erneut versuchen. |
| 413 | audio_too_large: Dekodiertes Audio ist größer als 25 MiB. audio_too_long: Audio über dem Modelllimit (standardmäßig 60 Sekunden) wird vor der Verarbeitung abgelehnt und nicht berechnet. Komprimieren oder teilen Sie die Datei. |
| 429 | Ratenlimit erreicht. Retry-After abwarten und erneut versuchen. |
| 502 | Der Modelldienst ist vorübergehend nicht verfügbar oder die Audioübertragung wurde unterbrochen. Versuchen Sie es erneut; fehlgeschlagene Anfragen werden nicht berechnet. |
Audiotranskription
multipart/form-data mit model und file oder JSON model und input_audio:{data,format} (rohes base64). Formate: wav, mp3, mp4, m4a, ogg, flac, webm, aac. Dekodiertes Audio: 25 MiB; Anfragekörper: 50 MiB für base64. audio.transcription_max_seconds_by_model setzt das Limit pro Modell; sonst gelten audio.transcription_max_seconds und danach 60 Sekunden. Längeres Audio wird vor der Verarbeitung mit 413 audio_too_long abgelehnt und nicht berechnet. response_format: nur json oder verbose_json; timestamp_granularities word/segment nur mit verbose_json. stream nicht unterstützt (400 unsupported_parameter); Audio zu groß: 413 audio_too_large. provider wird ignoriert. Datenbankpreise pro usage.seconds oder Eingabe-/Ausgabe-token; Minutenpreis = 60 × Sekundenpreis. usage.cost ist der Kundenbetrag in USD.
/v1/audio/transcriptions