音频转写
使用 UnderSky 兼容 OpenAI 的转写端点上传音频文件,选择模型和响应格式,并处理最低计费与恢复错误。
使用 POST /v1/audio/transcriptions 将音频文件转换为文字。端点接收 multipart 表单,并返回上游转写响应。
发送转写请求
传入音频文件和模型。省略 model 时默认使用 gpt-4o-mini-transcribe。
curl -sS https://api.undersky.ai/v1/audio/transcriptions \
-H "Authorization: Bearer sk-your-api-key" \
-F "[email protected]" \
-F "model=gpt-4o-mini-transcribe" \
-F "response_format=json"网关会将 language、prompt 和 temperature 等 multipart 字段转发给配置的转写供应商。
选择模型
端点支持以下模型:
| 模型 | 输入价格 | 输出价格 |
|---|---|---|
whisper-1 | 按请求计费 | 按请求计费 |
gpt-4o-mini-transcribe | 每百万 Token $1 | 每百万 Token $4 |
gpt-4o-transcribe | 每百万 Token $84 | 每百万 Token $140 |
gpt-4o-transcribe-diarize | 每百万 Token $84 | 每百万 Token $140 |
每次成功请求最低消耗 $0.10 credit。当前价格以定价页为准。
选择响应格式
下游需要稳定对象时使用 json。需要纯文本或时间戳时使用配置供应商支持的格式。由于不同模型的响应字段可能不同,解析器应保留兼容性。
处理失败
400表示 multipart 内容或模型无效。确认文件字段有文件名,并使用支持的模型。401表示 API Key 缺失或无效。402表示账户无法预留最低额度。429表示请求过快,使用有上限的指数退避重试。5xx表示上游或网关失败,只在任务可安全重复时重试。
连接音频工作流
使用文字转语音生成音频,再将文件发送到本端点。处理视频时,先用视频解析指南获取音轨。
媒体 API 总览比较转写、图片、语音和视频工作流。