Skip to main content
POST

Authentifizierung

string
erforderlich
Alle Schnittstellen erfordern eine Bearer-Token-AuthentifizierungAPI-Schlüssel abrufen:Besuchen Sie die API-Schlüssel-Verwaltungsseite, um Ihren API-Schlüssel zu erhaltenFügen Sie ihn dem Anfrage-Header hinzu:

Body

⚠️ Online-Tests (Try it) werden für diesen Endpunkt nicht unterstütztAufgrund von Einschränkungen beim Datei-Upload führen Sie Tests bitte folgendermaßen durch:
  • Apifox / Postman – nach dem Import den Parameter file manuell auf den Dateityp ändern
  • cURL – siehe Codebeispiele rechts
  • SDK – verwenden Sie die SDK-Beispiele in den jeweiligen Sprachen
string
erforderlich
Zu transkribierende Audiodatei (File-Typ)⚠️ Hinweis: Beim Testen mit Apifox oder ähnlichen Tools:
  1. Ändern Sie nach dem Import den Typ dieses Parameters manuell auf file
  2. Stellen Sie sicher, dass der Content-Type der Anfrage multipart/form-data ist
Unterstützte Formate: mp3, mp4, mpeg, mpga, m4a, wav, webmMaximale Dateigröße: 25 MB
string
Standard:"whisper-1"
erforderlich
Name des SpracherkennungsmodellsBeispiel: "whisper-1"
string
Sprachcode des Audios (Format ISO-639-1)Die Angabe der Sprache kann die Genauigkeit und Geschwindigkeit verbessernUnterstützte Sprachen sind unter anderem: zh (Chinesisch), en (Englisch), ja (Japanisch), ko (Koreanisch) und 99 weitere SprachenBeispiel: "en"
string
Optionaler Text-Prompt, um den Transkriptionsstil zu steuern oder an vorheriges Audio anzuknüpfenMaximal 224 Tokens
string
Standard:"json"
AusgabeformatUnterstützte Formate:
  • json – JSON-Format (nur Text)
  • text – reiner Text
  • srt – SRT-Untertitelformat
  • verbose_json – ausführliches JSON-Format (mit Zeitstempeln und Metadaten)
  • vtt – WebVTT-Untertitelformat
number
Standard:"0"
Sampling-Temperatur, Bereich 0 bis 1Höhere Werte (z. B. 0,8) machen die Ausgabe zufälliger, niedrigere Werte (z. B. 0,2) machen sie deterministischer und konsistenter

Antwort

string
Transkribierter Textinhalt
string
Aufgabentyp, fest auf transcribe gesetztWird nur im Format verbose_json zurückgegeben
string
Erkannter oder angegebener SprachcodeWird nur im Format verbose_json zurückgegeben
number
Audio-Dauer (Sekunden)Wird nur im Format verbose_json zurückgegeben
array
Array von TextsegmentenWird nur im Format verbose_json zurückgegeben