音频转写 API

POST /v1/audio/transcriptions 参考，涵盖文件上传、文件 URL、语言提示、响应格式和计费规则。

把音频转写为文本。支持直接上传文件或传入 URL。

端点

POST https://api.leaper.one/v1/audio/transcriptions

模型

模型	价格	说明
`rapid`	0.006 点数/分钟	快速转写，支持 file_uri
`whisper-1`	0.006 点数/分钟	高精度转写，支持 prompt

参数

参数	类型	必填	说明
file	file	与 `file_uri` 二选一	要转写的音频文件，以 multipart 方式上传
file_uri	string	与 `file` 二选一	要转写的音频文件 URL
model	string	否	使用的模型：`"rapid"` 或 `"whisper-1"`。默认：`"rapid"`
response_format	string	否	输出格式：`"text"`、`"json"`、`"verbose_json"`、`"srt"` 或 `"vtt"`。默认：`"json"`
language	string	否	ISO 639-1 语言代码，例如 `"en"`、`"zh"`。指定后可提升准确度
prompt	string	否	用于提升转写质量的提示文本
temperature	number	否	0 到 1 之间的采样温度，仅支持 `whisper-1`

请求

上传文件

curl -X POST https://api.leaper.one/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-api-key" \
  -F [email protected] \
  -F model=rapid \
  -F response_format=json

传入 URL（大文件推荐）

curl -X POST https://api.leaper.one/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-api-key" \
  -F file_uri=https://example.com/audio.mp3 \
  -F model=rapid \
  -F language=zh \
  -F response_format=verbose_json

使用 file_uri 可以避免通过你的网络上传大文件。服务端会直接拉取音频，rapid 和 whisper-1 都支持这种方式。

使用带 prompt 的 whisper-1

curl -X POST https://api.leaper.one/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-api-key" \
  -F [email protected] \
  -F model=whisper-1 \
  -F response_format=json \
  -F prompt="LEAPERone, GTC, NVIDIA"

请求字幕格式

curl -X POST https://api.leaper.one/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-api-key" \
  -F [email protected] \
  -F model=whisper-1 \
  -F response_format=srt

响应

{
  "text": "Hello, this is a sample transcription of the audio file."
}

使用 verbose_json 时，响应会包含时间戳和分段：

{
  "task": "transcribe",
  "language": "en",
  "duration": 42.5,
  "text": "Hello, this is a sample transcription of the audio file.",
  "segments": [
    { "start": 0.0, "end": 2.4, "text": "Hello, this is a sample transcription." }
  ]
}

使用 srt 时，响应是纯文本字幕：

1
00:00:00,000 --> 00:00:02,400
Hello, this is a sample transcription.

使用 vtt 时，响应采用 WebVTT 格式：

WEBVTT

00:00:00.000 --> 00:00:02.400
Hello, this is a sample transcription.

支持的音频格式

mp3、mp4、mpeg、mpga、m4a、wav、webm、opus

直接上传文件的大小上限为 25 MB。使用 file_uri 时没有大小限制。

注意事项

按音频时长和上表中的模型单价计费。
未指定 model 时，默认使用 rapid。
当前不支持流式转写（stream=true）。

目录