Transkribering (STT)

Förvandla tal till text (tal-till-text, STT) med Whisper, GPT-4o Transcribe, Deepgram, Voxtral och andra transkriberingsmodeller. Endpointen följer OpenAI:s POST /audio/transcriptions, så client.audio.transcriptions.create(...) fungerar oförändrat.

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

Anrop

Skicka multipart/form-data med ljudfilen (det OpenAI-SDK:erna gör), eller ett JSON-innehåll.

Gränsen för anropets storlek är som standard 25 MB. Större filer returnerar 413 payload_too_large, dela upp långa inspelningar i delar.

Multipart med 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

JSON-innehåll

JSON accepteras också, med ljudet som base64 för modeller som stöder det:

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

Exempel

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);

Svar

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

Med response_format: "text", srt eller vtt är svaret ren text i stället för JSON.

Priser

Transkribering faktureras till modellens listade pris, som visas som "$ / minute" (eller per token för tokenprissatta modeller). Avgiften returneras i usage.cost och dras från ditt USD-saldo.

Fel

Se Fel.