UnderSky 文档

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。

添加任务 worker 前阅读错误码指南和速率限制指南。

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。

目录