Skip to main content
POST

Authorizations

string
必須
すべてのインターフェースでBearer Token認証が必要ですAPI Keyの取得:API Key管理ページにアクセスしてAPI Keyを取得してくださいリクエストヘッダーに追加:

リクエストボディ

⚠️ このエンドポイントはオンラインテスト(Try it)に対応していませんファイルアップロードの制限により、以下の方法でテストしてください:
  • Apifox / Postman - インポート後、手動で file パラメータをファイルタイプに変更
  • cURL - 右側のコード例を参照
  • SDK - 各言語のSDKサンプルコードを使用
string
必須
文字起こしする音声ファイル(ファイルタイプ)⚠️ 注意:Apifoxなどのツールでテストする場合:
  1. インポート後、このパラメータタイプを手動で file に変更してください
  2. リクエストのContent-Typeが multipart/form-data であることを確認してください
対応形式:mp3, mp4, mpeg, mpga, m4a, wav, webm最大ファイルサイズ:25 MB
string
デフォルト:"whisper-1"
必須
音声認識モデル名例:"whisper-1"
string
音声の言語コード(ISO-639-1形式)言語を指定すると精度と速度が向上します対応言語:zh(中国語)、en(英語)、ja(日本語)、ko(韓国語)など99言語例:"ja"
string
文字起こしスタイルをガイドするためのオプションテキストプロンプト最大224トークン
string
デフォルト:"json"
出力形式対応形式:
  • json - JSON形式(テキストのみ)
  • text - プレーンテキスト
  • srt - SRT字幕形式
  • verbose_json - 詳細JSON形式(タイムスタンプとメタデータを含む)
  • vtt - WebVTT字幕形式
number
デフォルト:"0"
サンプリング温度、範囲0〜1高い値(0.8など)は出力をよりランダムにし、低い値(0.2など)はより確定的で一貫性のあるものにします

Response

string
文字起こしされたテキスト内容
string
タスクタイプ、transcribeで固定verbose_json形式でのみ返されます
string
検出または指定された言語コードverbose_json形式でのみ返されます
number
音声の長さ(秒)verbose_json形式でのみ返されます
array
テキストセグメントの配列verbose_json形式でのみ返されます