ZEN-AI VIP站

外观

语音转文字 ​

POSThttps://vip.zen-ai.top/v1/audio/transcriptions

将音频转写为文字，请求使用 multipart/form-data 上传文件。支持 mp3、mp4、mpeg、mpga、m4a、wav、webm 等格式，单个文件不超过 25 MB。

请求体（multipart/form-data） ​

filefile必填

音频文件。

modelstring必填

模型名称，如 gpt-4o-mini-transcribe、gpt-4o-transcribe、whisper-1。

languagestring

音频语言（ISO-639-1 代码，如 zh、en），指定后可提升准确率和速度。

promptstring

提示文本，可包含专有名词、人名或上文，帮助模型正确识别。

response_formatstring默认 json

输出格式。gpt-4o-transcribe 系列仅支持 json 与 text；字幕格式请使用 whisper-1。

可选值jsontextsrtverbose_jsonvtt
temperaturenumber默认 0

采样温度 0–1。

timestamp_granularities[]array

时间戳粒度 word / segment，仅 whisper-1 且 response_format 为 verbose_json 时可用。

响应 ​

textstring

转写结果。

usageobject

用量信息（gpt-4o-transcribe 系列）。

response_format 为 text、srt、vtt 时直接返回纯文本。

请求示例
bash
curl https://vip.zen-ai.top/v1/audio/transcriptions \
  -H "Authorization: Bearer $VIP_API_KEY" \
  -F "[email protected]" \
  -F "model=gpt-4o-mini-transcribe" \
  -F "language=zh"
python
from openai import OpenAI

client = OpenAI(base_url="https://vip.zen-ai.top/v1", api_key="sk-xxxxxxxx")

with open("meeting.mp3", "rb") as f:
    result = client.audio.transcriptions.create(
        model="gpt-4o-mini-transcribe",
        file=f,
        language="zh",
    )
print(result.text)
python
with open("video.mp4", "rb") as f:
    srt = client.audio.transcriptions.create(
        model="whisper-1",
        file=f,
        response_format="srt",
    )
open("video.srt", "w", encoding="utf-8").write(srt)
响应示例
json
{
  "text": "大家好，今天的会议主要讨论下个季度的产品规划。",
  "usage": {
    "type": "tokens",
    "input_tokens": 142,
    "output_tokens": 18,
    "total_tokens": 160
  }
}