Chép lời âm thanh

Gửi multipart/form-data model và file hoặc JSON model và input_audio:{data,format} (base64 thuần). Định dạng: wav, mp3, mp4, m4a, ogg, flac, webm, aac. Âm thanh tối đa 25 MiB; thân yêu cầu 50 MiB cho base64. audio.transcription_max_seconds_by_model đặt giới hạn theo mô hình; nếu thiếu, dùng audio.transcription_max_seconds rồi mặc định 60 giây. Âm thanh dài hơn bị từ chối trước khi xử lý với 413 audio_too_long và không bị tính phí. response_format chỉ json hoặc verbose_json; timestamp_granularities word/segment cần verbose_json. Không hỗ trợ stream (400 unsupported_parameter); quá lớn: 413 audio_too_large. Bỏ qua provider. Giá cơ sở dữ liệu theo usage.seconds hoặc token đầu vào/đầu ra; giá phút = 60 × giá giây. usage.cost là phí khách hàng bằng USD.

POST/v1/audio/transcriptions

Xác thực

Authorizationbắt buộc

string · header

API key dưới dạng bearer token trong header Authorization.

Body

modelbắt buộc

string

ID mô hình chuyển lời nói, ví dụ elevenlabs/scribe-v2.

GET /v1/models?output_modalities=transcription

file

file

Tệp âm thanh (multipart). Hỗ trợ wav, mp3, mp4, m4a, ogg, flac, webm, aac, tối đa 25 MiB. Khách JSON có thể gửi input_audio: {data: base64, format} thay thế.

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

input_audio

object

Dữ liệu âm thanh JSON thay cho file: data là âm thanh base64 thuần, format là kiểu như wav hoặc mp3. Thân yêu cầu tối đa 50 MiB; âm thanh giải mã tối đa 25 MiB.

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

response_format

string

json (mặc định) trả về {text}; verbose_json thêm ngôn ngữ, thời lượng và segments/words.

default: json

jsonverbose_json

timestamp_granularities

string[]

word và/hoặc segment. Chỉ áp dụng với response_format=verbose_json; định dạng khác sẽ bỏ qua. Hiện chưa trả về mốc thời gian theo từng từ; segments thì có.

response_format=verbose_json; multipart: timestamp_granularities[]

wordsegment

language

string

Gợi ý ngôn ngữ tùy chọn như en hoặc zh. Để trống để tự nhận diện.

ISO-639-1

prompt

string

Văn bản ngữ cảnh tùy chọn giúp nhận diện tên và thuật ngữ. Không phải mô hình nào cũng áp dụng.

temperature

number

Nhiệt độ lấy mẫu tùy chọn; không phải mô hình nào cũng áp dụng.

0 <= temperature <= 1

stream

boolean

Không hỗ trợ truyền trực tiếp; stream=true trả về 400 unsupported_parameter.

Unsupported: 400 unsupported_parameter

provider

object

Trường định tuyến tùy chọn; bị bỏ qua.

Ignored

Hướng dẫn chi tiết →

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"]}'

Ví dụ phản hồi

Chép lời âm thanh: json / verbose_json — Phí ví dụ chỉ để minh họa, không phải giá mô hình. audio.transcription_max_seconds_by_model đặt giới hạn theo mô hình; nếu thiếu, dùng audio.transcription_max_seconds rồi mặc định 60 giây. Âm thanh dài hơn bị từ chối trước khi xử lý với 413 audio_too_long và không bị tính phí.

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}}