वाक् संश्लेषण

ऑडियो प्रतिलेखन

multipart/form-data में model, file या JSON में model, input_audio:{data,format} (कच्चा base64) भेजें। प्रारूप: wav, mp3, mp4, m4a, ogg, flac, webm, aac। ऑडियो सीमा 25 MiB; अनुरोध 50 MiB। audio.transcription_max_seconds_by_model मॉडल की सीमा तय करता है; इसके अभाव में audio.transcription_max_seconds और फिर डिफ़ॉल्ट 60 सेकंड लागू होते हैं। लंबा ऑडियो प्रसंस्करण से पहले 413 audio_too_long के साथ अस्वीकार होता है और शुल्क नहीं लगता। response_format केवल json या verbose_json; timestamp_granularities word/segment के लिए verbose_json आवश्यक। stream समर्थित नहीं (400 unsupported_parameter); बड़ा ऑडियो: 413 audio_too_large। provider अनदेखा होता है। डेटाबेस दरों पर usage.seconds या इनपुट/आउटपुट token शुल्क; मिनट दर = 60 × सेकंड दर। usage.cost ग्राहक का USD शुल्क है।

POST/v1/audio/transcriptions

प्राधिकरण

Authorizationआवश्यक

string · header

Authorization हेडर में bearer token के रूप में API कुंजी।

Body

modelआवश्यक

string

प्रतिलेखन मॉडल ID, जैसे elevenlabs/scribe-v2।

GET /v1/models?output_modalities=transcription

file

file

ऑडियो फ़ाइल (multipart)। wav, mp3, mp4, m4a, ogg, flac, webm, aac समर्थित हैं। अधिकतम 25 MiB। JSON क्लाइंट इसके बदले input_audio: {data: base64, format} भेज सकते हैं।

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

input_audio

object

file के बदले JSON ऑडियो: data में कच्चा base64 ऑडियो और format में wav या mp3 जैसा प्रारूप दें। अनुरोध की सीमा 50 MiB और डीकोड किए गए ऑडियो की सीमा 25 MiB है।

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

response_format

string

json (डिफ़ॉल्ट) {text} लौटाता है; verbose_json भाषा, अवधि और segments/words भी देता है।

default: json

jsonverbose_json

timestamp_granularities

string[]

word और/या segment। केवल response_format=verbose_json पर लागू; अन्यथा अनदेखा। शब्द-स्तर के टाइमस्टैम्प अभी नहीं लौटाए जाते; segments लौटाए जाते हैं।

response_format=verbose_json; multipart: timestamp_granularities[]

wordsegment

language

string

en या zh जैसा वैकल्पिक भाषा संकेत। खाली छोड़ने पर स्वतः पहचान होती है।

ISO-639-1

prompt

string

नाम और शब्द पहचानने में मदद के लिए वैकल्पिक संदर्भ पाठ। हर मॉडल इसे लागू नहीं करता।

temperature

number

वैकल्पिक सैंपलिंग तापमान; हर मॉडल इसे लागू नहीं करता।

0 <= temperature <= 1

stream

boolean

स्ट्रीमिंग समर्थित नहीं है; stream=true पर 400 unsupported_parameter मिलता है।

Unsupported: 400 unsupported_parameter

provider

object

वैकल्पिक रूटिंग फ़ील्ड; अनदेखा किया जाता है।

Ignored

गहन गाइड →

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"]}'

प्रतिक्रिया उदाहरण

ऑडियो प्रतिलेखन: json / verbose_json — उदाहरण शुल्क केवल समझाने के लिए हैं, मॉडल की कीमत नहीं। audio.transcription_max_seconds_by_model मॉडल की सीमा तय करता है; इसके अभाव में audio.transcription_max_seconds और फिर डिफ़ॉल्ट 60 सेकंड लागू होते हैं। लंबा ऑडियो प्रसंस्करण से पहले 413 audio_too_long के साथ अस्वीकार होता है और शुल्क नहीं लगता।

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}}