音声文字起こし

OpenAI Audio Transcriptions APIを使用して音声をテキストに変換します。

音声ファイルをアップロードして文字起こしパラメーターを設定すると、入力言語のテキストが返されます。JSONレスポンスには、文字起こしテキストのみ、または言語、長さ、セグメント情報を含めることができます。

POST/v1/audio/transcriptions

音声ファイルをアップロードし、その内容を入力言語のテキストに変換します。

認証

bearerAuth

認証Bearer <token>

Authorization HeaderにBearer your-api-keyを指定します。

指定位置: header

リクエストボディ

multipart/form-data

Multipartで音声ファイルと文字起こしパラメーターを送信します。Content-Typeのboundaryは、リクエストライブラリに自動生成させてください。

TypeScript 型定義

TypeScript で request body 型を使用します。

file*file

文字起こしする音声ファイルです。flac、mp3、mp4、mpeg、mpga、m4a、ogg、wav、webmに対応します。

形式binary

model*string

使用する文字起こしモデルIDです。例：whisper-1。実際に利用できるモデルは、現在のAPI Keyで取得できるモデル一覧を参照してください。

長さ1 <= length

language?string

入力音声の言語コードです。enなどのISO-639-1形式を使用します。言語を指定すると、文字起こしの精度が向上する場合があります。

一致パターン^[A-Za-z]{2}$

prompt?string

モデルの文体を指定したり、前の音声セグメントからテキストを継続したりするためのテキストです。

response_format?string

文字起こし結果の出力形式です。

デフォルト値"json"

指定可能な値

"json"
"text"
"srt"
"verbose_json"
"vtt"

temperature?number

サンプリング温度です。値が高いほど出力のランダム性が増します。

範囲0 <= value <= 1

デフォルト値0

timestamp_granularities?array<>

文字起こしタイムスタンプの粒度です。

デフォルト値

[
  "segment"
]

レスポンスボディ

`application/json`

curl -X POST "https://example.com/v1/audio/transcriptions" \  -F file="audio.mp3" \  -F model="MODEL_ID"

{
  "text": "こんにちは、世界！"
}

認証

リクエストボディ

レスポンスボディ

200application/json

400application/json

401application/json

403application/json

429application/json

500application/json

`application/json`

`application/json`

`application/json`

`application/json`

`application/json`

`application/json`