Transkripsi audio

Kirim multipart/form-data model dan file atau JSON model dan input_audio:{data,format} (base64 mentah). Format: wav, mp3, mp4, m4a, ogg, flac, webm, aac. Audio maksimal 25 MiB; isi permintaan 50 MiB untuk base64. audio.transcription_max_seconds_by_model mengatur batas per model; jika tidak ada, gunakan audio.transcription_max_seconds lalu bawaan 60 detik. Audio yang lebih panjang ditolak sebelum diproses dengan 413 audio_too_long dan tidak dikenai biaya. response_format hanya json atau verbose_json; timestamp_granularities word/segment perlu verbose_json. stream tidak didukung (400 unsupported_parameter); terlalu besar: 413 audio_too_large. provider diabaikan. Harga basis data per usage.seconds atau token masukan/keluaran; harga menit = 60 × harga detik. usage.cost adalah biaya pelanggan dalam USD.

POST/v1/audio/transcriptions

Otorisasi

Authorizationwajib

string · header

API key sebagai bearer token di header Authorization.

Body

modelwajib

string

ID model transkripsi, misalnya elevenlabs/scribe-v2.

GET /v1/models?output_modalities=transcription

file

file

Berkas audio (multipart). Mendukung wav, mp3, mp4, m4a, ogg, flac, webm, aac. Maksimal 25 MiB. Klien JSON dapat mengirim input_audio: {data: base64, format}.

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

input_audio

object

Alternatif JSON untuk file: data berisi audio base64 mentah dan format menyebut jenis seperti wav atau mp3. Isi permintaan maksimal 50 MiB; audio terdekode maksimal 25 MiB.

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

response_format

string

json (bawaan) mengembalikan {text}; verbose_json menambahkan bahasa, durasi, dan segments/words.

default: json

jsonverbose_json

timestamp_granularities

string[]

word dan/atau segment. Hanya diterapkan bersama response_format=verbose_json; selain itu diabaikan. Stempel waktu tingkat kata belum dikembalikan; segments dikembalikan.

response_format=verbose_json; multipart: timestamp_granularities[]

wordsegment

language

string

Petunjuk bahasa opsional seperti en atau zh. Kosongkan untuk deteksi otomatis.

ISO-639-1

prompt

string

Teks konteks opsional untuk membantu mengenali nama dan istilah. Tidak semua model menerapkannya.

temperature

number

Suhu sampling opsional; tidak semua model menerapkannya.

0 <= temperature <= 1

stream

boolean

Streaming tidak didukung; stream=true menghasilkan 400 unsupported_parameter.

Unsupported: 400 unsupported_parameter

provider

object

Bidang perutean opsional; diabaikan.

Ignored

Panduan mendalam →

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"]}'

Contoh respons

Transkripsi audio: json / verbose_json — Biaya contoh hanya ilustrasi, bukan harga model. audio.transcription_max_seconds_by_model mengatur batas per model; jika tidak ada, gunakan audio.transcription_max_seconds lalu bawaan 60 detik. Audio yang lebih panjang ditolak sebelum diproses dengan 413 audio_too_long dan tidak dikenai biaya.

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}}