語音合成

語音轉寫

使用 multipart/form-data 的 model、file，或 JSON 的 model、input_audio:{data,format}（原始 base64）。支援 wav、mp3、mp4、m4a、ogg、flac、webm、aac。解碼音訊最多 25 MiB；含 base64 的請求本文上限 50 MiB。audio.transcription_max_seconds_by_model 設定各模型上限，未設定時依序使用 audio.transcription_max_seconds 與預設 60 秒。超過會在處理前回傳 413 audio_too_long，且不收費。response_format 僅支援 json、verbose_json；timestamp_granularities 的 word、segment 只可搭配 verbose_json。不支援 stream，回傳 400 unsupported_parameter；音訊過大回傳 413 audio_too_large。provider 路由欄位被忽略。依資料庫模型價格按 usage.seconds 或輸入／輸出 token 計費；每分鐘為每秒價格乘以 60。usage.cost 是客戶支付的 USD 金額。

POST/v1/audio/transcriptions

驗證

Authorization必填

string · header

在 Authorization 標頭以 Bearer token 傳入 API 金鑰。

Body

model必填

string

轉錄模型識別碼，例如 elevenlabs/scribe-v2。

GET /v1/models?output_modalities=transcription

file

file

音訊檔（multipart）。支援 wav、mp3、mp4、m4a、ogg、flac、webm、aac，最大 25 MiB。JSON 用戶端可改傳 input_audio: {data: base64, format}。

multipart/form-data: required; decoded <= 25 MiB

input_audio

object

JSON 中取代 file 的音訊物件：data 為原始 base64 音訊，format 為 wav、mp3 等格式。請求本文最多 50 MiB，解碼後音訊最多 25 MiB。

application/json: required; data: raw base64; format: wav | mp3 | mp4 | m4a | ogg | flac | webm | aac

response_format

string

json（預設）回傳 {text}；verbose_json 另含語言、時長與 segments／words。

default: json

jsonverbose_json

timestamp_granularities

string[]

word 和／或 segment，只在 response_format=verbose_json 時套用，其他格式會忽略。目前尚未回傳逐字（word）時間戳，會回傳 segments。

response_format=verbose_json; multipart: timestamp_granularities[]

wordsegment

language

string

選填的語言提示，例如 en 或 zh。留空則自動偵測。

ISO-639-1

prompt

string

選填的上下文文字，幫助辨識人名與專有名詞；不是每個模型都會套用。

temperature

number

選填的取樣溫度；不是每個模型都會套用。

0 <= temperature <= 1

stream

boolean

不支援串流；stream=true 會回傳 400 unsupported_parameter。

Unsupported: 400 unsupported_parameter

provider

object

選填的路由欄位，會被忽略。

Ignored

深度指南 →

POST /v1/audio/transcriptions

1
2
3
4
5
6
7
8
9
10
curl https://api.bazaarlink.ai/v1/audio/transcriptions \
  -H "$BAZAARLINK_AUTH_HEADER" \
  -F model="<transcription-model-id>" \
  -F file=@audio.wav \
  -F response_format=json

curl https://api.bazaarlink.ai/v1/audio/transcriptions \
  -H "$BAZAARLINK_AUTH_HEADER" \
  -H "Content-Type: application/json" \
  -d '{"model":"<transcription-model-id>","input_audio":{"data":"<raw-base64-audio>","format":"wav"},"response_format":"verbose_json","timestamp_granularities":["word","segment"]}'

回應範例

音訊轉錄: json / verbose_json — 範例扣款僅供示意，並非模型價格。 audio.transcription_max_seconds_by_model 設定各模型上限，未設定時依序使用 audio.transcription_max_seconds 與預設 60 秒。超過會在處理前回傳 413 audio_too_long，且不收費。

1
{"text":"Hello","usage":{"seconds":1,"cost":0.00001}}

verbose_json

1
{"text":"Hello","duration":1,"segments":[{"id":0,"start":0,"end":1,"text":"Hello"}],"words":[{"word":"Hello","start":0,"end":1}],"usage":{"seconds":1,"cost":0.00001}}