Транскрибация
Распознайте запись и получите текст, при поддержке модели — временные отметки и разделение говорящих.
POST
/v1/audio/transcriptionsЗаголовки
AuthorizationBearer <API_KEY>Обязательно- Ключ компании из раздела «API-ключи». Храните на сервере или в переменной окружения. Не вставляйте секретный ключ в браузерный код.
Content-Typeapplication/jsonДля JSON-тела- Кодировка UTF-8. Для файлов используйте multipart/form-data; curl и SDK сами добавят boundary. Для GET и DELETE без тела не нужен.
Acceptapplication/json | text/event-streamНеобязательно- Ожидаемый формат ответа. Для включения SSE нужно также передать stream: true в JSON. Синтез речи и скачивание видео возвращают бинарные данные.
Адрес метода: https://gateway.orlime.ru/v1/audio/transcriptions
Входные параметры
modelstringОбязательно- Публичный ID из GET /v1/models. Возможности и допустимые параметры смотрите в карточке модели.
filebinary multipartОдин из вариантов- Файл до 25 МиБ и длительностью до 6 часов. Не задавайте Content-Type вручную: клиент должен добавить multipart boundary.
input_audio.data / input_audio.formatstring / stringАльтернатива file в JSON- Base64 без префикса data URL и формат: wav, mp3, flac, m4a, ogg, webm, aac, mp4. Ссылки не принимаются.
languagestringНеобязательно- Двухбуквенный ISO 639-1, например ru или en. Без поля язык определяется автоматически.
response_formatstringПо умолчанию json- json или verbose_json. text, srt, vtt и streaming не поддерживаются.
timestamp_granularitiesarrayДля verbose_json- word и/или segment. В multipart — повторяемое поле timestamp_granularities[].
temperaturenumber 0–1Необязательно- Параметр распознавания при поддержке модели.
promptstringНеобязательно- Контекст и подсказка модели для распознавания.
diarizebooleanДля verbose_json- Разделять говорящих, если модель поддерживает.
keytermsstring[]Необязательно- До 1000 терминов длиной 1–100 символов. В multipart передайте JSON-массив.
Пример запроса
curl --fail-with-body https://gateway.orlime.ru/v1/audio/transcriptions -H "Authorization: Bearer $ORLIME_API_KEY" -F "model=openai/whisper-large-v3" -F "file=@recording.wav" -F "language=ru" -F "response_format=verbose_json" -F "timestamp_granularities[]=segment"Ответ
textstringВсегда при успехе- Полный распознанный текст.
task / language / durationstring / string / numberЕсли доступны- Тип задачи, язык и длительность в секундах.
segmentsarrayДля подробного результата- Сегменты с id, start, end, text; возможны seek, tokens, temperature, avg_logprob, compression_ratio, no_speech_prob, speaker.
wordsarrayЕсли запрошено и поддерживается- Слова: word, start, end в секундах.
logprobsarrayЕсли доступны- Вероятности распознанных токенов.
usageobjectЕсли доступно- Длительность (seconds/audio_seconds) или токены согласно модели.
usage.cost_rubstringЕсли расчёт завершён- Сумма фактического списания в рублях за весь запрос. Десятичная строка с 12 знаками после запятой. Отсутствие поля не означает бесплатный запрос.
{
"text": "Здравствуйте!",
"language": "ru",
"duration": 1.2,
"segments": [
{
"id": 0,
"start": 0,
"end": 1.2,
"text": "Здравствуйте!"
}
],
"usage": {
"seconds": 1.2,
"cost_rub": "0.004200000000"
}
}Заголовки ответа
x-request-idstringОтвет Gateway- ID операции для поиска в журнале и обращения в поддержку. В Chat Completions и Responses совпадает с верхнеуровневым id ответа.
Content-TypestringОтвет Gateway- application/json, text/event-stream или MIME-тип аудио/видео. Ошибки файловых методов могут возвращаться как JSON.
Retry-AfterintegerЕсли возвращён- Число секунд до рекомендуемого повтора. Отсутствие заголовка не означает, что запрос следует немедленно повторять.
Особенности
- Более строгие ограничения форматов и длительности могут зависеть от модели. diarize и keyterms могут влиять на цену.
- Маскирование текстовых API-запросов не применяется к звуковой записи.
Ошибки
Ошибки возвращаются в объекте error с полями message, type, code и param. Сохраните x-request-id для поиска запроса. Формат и справочник ошибок
