返回 API 文档中心

语音识别

POST
https://api.tokencube.net/v2/llm/audio/transcriptions

接收用户输入的语音文件/流式语音数据，把"声音信号"转换成"文字内容"，适用于会议记录、字幕生成、信息提取等场景。

接口鉴权方式请参考: API接入与鉴权

当前展示通用接口文档，各模型支持的参数存在差异。请在顶部切换模型，或直接点击下方模型标签，查看专属文档。

请求参数

请求头
参数名称描述
Authorizationstring

鉴权令牌，格式为 Bearer ${AIGATEWAY_TOKEN}

Content-Typestring
可选值：multipart/form-data

multipart/form-data

Body参数
参数名称描述
modelstring
默认值：Per AI gateway configuration

模型名称

filestring

语音输入文件，支持mp3/mp4/wav

languagestring
可选值：ISO 639-1 standard, e.g. zh for Simplified Chinese

输入语音的语言

请求示例

curl -v 'https://${base_url}/v2/llm/audio/transcriptions' \
  -H "Authorization: Bearer ***" \
  -F "file=@audio.mp3" \
  -F "language=zh"

响应参数

Body参数
参数名称描述
textstring

内容为识别出来的字符串，可能为空字符串

响应示例

{
  "text": "xxx"
}

状态码

描述（message）HTTP状态码
请求成功200
访问被拒绝，拒绝原因见响应主体。可能的原因有：缺少Authorization请求头，token错误等。401
访问被拒绝，原因见响应主体（如格式错误、参数缺失等）403
服务器内部错误，原因见响应主体500