音声をテキストに変換

Speech to Text は、音声 URL をテキストとオプションのセグメント メタデータに変換します。アップロードされた音声、通話録音、クリエイターのワークフロー、バックエンドの文字起こしジョブに使用します。

POST /api/open/v1/speech/transcriptions
Authorization: Bearer FISHAUDIO_API_KEY
Content-Type: application/json

＃＃ リクエスト

{
  "audioUrl": "https://example.com/audio.mp3",
  "language": "en"
}

audioUrl は、API サービスによって到達可能である必要があります。ファイルが非公開の場合は、処理に十分な期間有効な、有効期間の短い署名付き URL を生成します。 language はオプションです。ソース言語がわかっている場合は、en、zh、ru などの言語ヒントを使用します。

curl https://fishaudio.org/api/open/v1/speech/transcriptions \
  -H "Authorization: Bearer FISHAUDIO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"audioUrl":"https://example.com/audio.mp3","language":"en"}'

＃＃ 応答

{
  "text": "This is the transcription result.",
  "duration": 12.4,
  "segments": [],
  "credits_used": 13,
  "quota_remaining": 987987
}

セグメントの形状は、モデルとアカウントの機能によって異なる場合があります。パーサーはセグメント メタデータをオプションとして扱い、主な結果として text を使用する必要があります。

請求とクレジット

文字起こしは通常、音声の長さに応じて料金が発生します。可能であれば、特にユーザーがアップロードした録音を送信する前に、ファイルの長さを検証してください。製品で一度に多くのアップロードが許可されている場合は、ジョブをキューに入れて、バッチ間のアカウント残高を確認してください。

音声処理が開始される前にリクエストが失敗した場合、クレジットを完了した文字起こしと同じように扱うべきではありません。操作上の調整には、応答フィールドとプロファイル チェックを使用します。

エラー