Transcripción (STT)

Convierte voz en texto (speech-to-text, STT) con Whisper, GPT-4o Transcribe, Deepgram, Voxtral y otros modelos de transcripción. El endpoint sigue POST /audio/transcriptions de OpenAI, así que client.audio.transcriptions.create(...) funciona sin cambios.

POST https://api14.com/api/v1/audio/transcriptions

Petición

Envía multipart/form-data con el archivo de audio (lo que hacen los SDK de OpenAI), o un cuerpo JSON.

El límite del cuerpo de la petición es de 25 MB por defecto. Los archivos más grandes devuelven 413 payload_too_large; divide las grabaciones largas en fragmentos.

Multipart con cURL

curl https://api14.com/api/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-api14-..." \
  -F model=openai/whisper-1 \
  -F file=@meeting.mp3 \
  -F language=en

Cuerpo JSON

También se acepta JSON, con el audio en base64 para los modelos que lo admiten:

{
  "model": "openai/whisper-1",
  "input_audio": { "data": "<base64>", "format": "mp3" },
  "language": "en"
}

Ejemplo

import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.audio.transcriptions.create({
  model: "openai/whisper-1",
  file: fs.createReadStream("audio.mp3"),
});
console.log(result.text);

Respuesta

{
  "text": "Thanks everyone for joining. Let's start with the roadmap.",
  "usage": { "type": "duration", "seconds": 42, "cost": 0.0042 }
}

Con response_format: "text", srt o vtt, el cuerpo es texto plano en lugar de JSON.

Precios

La transcripción se factura al precio indicado del modelo, mostrado como "$ / minuto" (o por token en los modelos con precio por token). El cargo se devuelve en usage.cost y se descuenta de tu saldo en USD.

Errores

Consulta Errores.