语音合成

语音转写

使用 multipart/form-data 的 model、file，或 JSON 的 model、input_audio:{data,format}（原始 base64）。格式：wav、mp3、mp4、m4a、ogg、flac、webm、aac。解码音频上限 25 MiB；请求正文上限 50 MiB，允许 base64。audio.transcription_max_seconds_by_model 设置各模型上限；未设置时依次使用 audio.transcription_max_seconds 和默认 60 秒。超过时在处理前返回 413 audio_too_long，且不收费。response_format 仅支持 json、verbose_json；timestamp_granularities 的 word、segment 需要 verbose_json。stream 不支持（400 unsupported_parameter）；音频过大：413 audio_too_large。provider 被忽略。按数据库模型價格以 usage.seconds 或输入／输出 token 计费；每分钟价格为每秒的 60 倍。usage.cost 是客户的 USD 费用。

POST/v1/audio/transcriptions

验证

Authorization必填

string · header

在 Authorization 标头以 Bearer token 传入 API 密钥。

Body

model必填

string

转录模型 ID，例如 elevenlabs/scribe-v2。

GET /v1/models?output_modalities=transcription

file

file

音频文件（multipart）。支持 wav、mp3、mp4、m4a、ogg、flac、webm、aac，最大 25 MiB。JSON 客户端可改用 input_audio: {data: base64, format}。

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

input_audio

object

JSON 中代替 file 的音频对象：data 为原始 base64 音频，format 为 wav、mp3 等格式。请求正文最多 50 MiB，解码后音频最多 25 MiB。

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

response_format

string

json（默认）返回 {text}；verbose_json 还包含语言、时长以及 segments/words。

default: json

jsonverbose_json

timestamp_granularities

string[]

word 和/或 segment。仅在 response_format=verbose_json 时生效，其他格式会忽略。目前尚未返回逐词（word）时间戳，会返回 segments。

response_format=verbose_json; multipart: timestamp_granularities[]

wordsegment

language

string

可选语言提示，例如 en 或 zh。留空则自动识别。

ISO-639-1

prompt

string

可选上下文文字，有助于识别人名和术语；并非所有模型都会应用。

temperature

number

可选的采样温度；并非所有模型都会应用。

0 <= temperature <= 1

stream

boolean

不支持流式输出；stream=true 会返回 400 unsupported_parameter。

Unsupported: 400 unsupported_parameter

provider

object

可选的路由字段，会被忽略。

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"]}'

响应示例

音频转录: json / verbose_json — 示例扣款仅供说明，并非模型价格。 audio.transcription_max_seconds_by_model 设置各模型上限；未设置时依次使用 audio.transcription_max_seconds 和默认 60 秒。超过时在处理前返回 413 audio_too_long，且不收费。

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}}