विषय-सूची
ऑडियो प्रतिलेखन मार्गदर्शिका
ऑडियो प्रतिलेखन मार्गदर्शिका
POST /v1/audio/transcriptions OpenAI-compatible है: multipart/form-data में ऑडियो अपलोड करें या JSON में base64 input_audio भेजें और पाठ पाएँ। मॉडलों में elevenlabs/scribe-v2 और elevenlabs/scribe-v2-medical शामिल हैं। ताज़ा सूची GET /v1/models?output_modalities=transcription पर देखें। GET /v1/models डिफ़ॉल्ट रूप से केवल टेक्स्ट मॉडल लौटाता है, इसलिए सूची देखने के लिए ?output_modalities=transcription (या all) जोड़ें।
/v1/audio/transcriptionsपैरामीटर
| पैरामीटर | प्रकार | आवश्यक | विवरण |
|---|---|---|---|
| model | string | हाँ | प्रतिलेखन मॉडल ID, जैसे elevenlabs/scribe-v2। |
| file | file | हाँ | 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। |
| response_format | string | नहीं | json (डिफ़ॉल्ट) {text} लौटाता है; verbose_json भाषा, अवधि और segments/words भी देता है। |
| language | string | नहीं | en या zh जैसा वैकल्पिक भाषा संकेत। खाली छोड़ने पर स्वतः पहचान होती है। |
| prompt | string | नहीं | नाम और शब्द पहचानने में मदद के लिए वैकल्पिक संदर्भ पाठ। हर मॉडल इसे लागू नहीं करता। |
| timestamp_granularities[] | string[] | नहीं | 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। |
आउटपुट प्रारूप
response_format केवल json या verbose_json स्वीकार करता है (text, srt, vtt समर्थित नहीं हैं)। stream समर्थित नहीं है। ऑडियो अवधि की सीमा मॉडल के अनुसार है, डिफ़ॉल्ट 60 सेकंड। लंबा ऑडियो प्रसंस्करण से पहले 413 audio_too_long के साथ अस्वीकार होता है और कोई शुल्क नहीं लगता। लंबी रिकॉर्डिंग को भागों में बाँटें।
मूल्य निर्धारण
प्रतिलेखन का शुल्क ऑडियो के सेकंड के अनुसार लगता है। प्रति सेकंड दर /models के मॉडल पृष्ठ और GET /v1/models में pricing.second पर मिलती है; प्रति मिनट दर उसका 60 गुना है। उत्तर का usage बिल किए गए सेकंड और usage.cost शुल्क दिखाता है।
उदाहरण
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"सामान्य त्रुटियाँ
| स्थिति | कारण और समाधान |
|---|---|
| 400 | अमान्य अनुरोध: model या file नहीं है, ऑडियो खाली है, response_format json/verbose_json नहीं है, stream=true (unsupported_parameter), या timestamp_granularities word/segment नहीं है। |
| 401 | API कुंजी नहीं है या अमान्य है। |
| 402 | शेष राशि पर्याप्त नहीं है। रिचार्ज करके फिर प्रयास करें। |
| 413 | audio_too_large: डिकोड किया गया ऑडियो 25 MiB से बड़ा है। audio_too_long: मॉडल की अवधि सीमा (डिफ़ॉल्ट 60 सेकंड) पार होने पर ऑडियो प्रसंस्करण से पहले अस्वीकार होता है और शुल्क नहीं लगता। ऑडियो संपीड़ित करें या बाँटें। |
| 429 | दर सीमा पूरी हो गई है। Retry-After के अनुसार फिर प्रयास करें। |
| 502 | मॉडल सेवा अस्थायी रूप से अनुपलब्ध है या ऑडियो भेजना बाधित हुआ। फिर प्रयास करें; विफल अनुरोधों पर शुल्क नहीं लगता। |
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।
/v1/audio/transcriptions