Transcription (reconnaissance vocale)

Transformez la parole en texte (reconnaissance vocale, STT) avec Whisper, GPT-4o Transcribe, Deepgram, Voxtral et d'autres modèles de transcription. L'endpoint suit le POST /audio/transcriptions d'OpenAI, donc client.audio.transcriptions.create(...) fonctionne sans modification.

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

Requête

Envoyez du multipart/form-data avec le fichier audio (ce que font les SDK OpenAI), ou un corps JSON.

La limite de taille du corps de requête est de 25 Mo par défaut. Les fichiers plus gros renvoient 413 payload_too_large : découpez les longs enregistrements en morceaux.

Multipart avec 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

Corps JSON

Le JSON est accepté aussi, avec l'audio en base64 pour les modèles qui le permettent :

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

Exemple

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);

Réponse

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

Avec response_format: "text", srt ou vtt, le corps est du texte brut au lieu de JSON.

Tarifs

La transcription est facturée au prix indiqué du modèle, affiché en « $ / minute » (ou par token pour les modèles facturés au token). Le montant est renvoyé dans usage.cost et débité de votre solde en USD.

Erreurs

Voir Erreurs.