Audio Transcriptions API

Convierte audio en texto. Es compatible con POST /v1/audio/transcriptions de OpenAI; el archivo de audio se sube como multipart/form-data.

Familia	Modelo	Notas
Transcripción GPT	`openai/gpt-transcribe`, `openai/gpt-4o-mini-transcribe`, `openai/gpt-4o-transcribe-diarize`	Consulte Transcripción GPT
ElevenLabs	`elevenlabs/scribe_v2`	Admite marcas de tiempo por palabra y separación de hablantes; consulte ElevenLabs

Inicio rápido

base_urlhttps://api.ofox.io/v1

URL del endpointhttps://api.ofox.io/v1/audio/transcriptions

ID del modeloopenai/gpt-transcribe

Python

transcribe.py


import os
from openai import OpenAI
 
client = OpenAI(base_url="https://api.ofox.io/v1", api_key=os.environ["OFOX_API_KEY"])
 
with open("meeting.mp3", "rb") as f:
    result = client.audio.transcriptions.create(
        model="openai/gpt-transcribe",
        file=f,
        language="zh",
        prompt="以下是普通话的句子，请使用简体中文。",
    )
print(result.text)

Parámetros de la petición

fileobligatoriofile

Archivo de audio, por ejemplo mp3 o wav. Un archivo que no sea de audio devuelve 400.

modelobligatoriostring

ID del modelo; consulte la tabla anterior.

languagestring

Idioma del audio, por ejemplo zh o en. Si se omite, se detecta automáticamente.

promptstring

Texto de indicación para fijar convenciones de escritura o nombres propios; se aplica a los modelos de transcripción GPT. Al transcribir chino mandarín, se recomienda enviar a la vez language: "zh" y «以下是普通话的句子，请使用简体中文。»; de lo contrario, la salida puede aparecer en caracteres tradicionales.

response_formatstring· predeterminado json· valoresjsonverbose_json

Solo se admiten json y verbose_json; text, srt y vtt devuelven 400. verbose_json solo se aplica a ElevenLabs Scribe.

provider_optionsstring

Parámetros propios del proveedor, enviados como cadena JSON en un campo de formulario, por ejemplo {"elevenlabs": {"diarize": true}}. Consulte la página de cada familia.

Respuesta


{
  "text": "Hoy hace muy buen tiempo; a las tres de la tarde hablaremos de la nueva función en la sala de reuniones.",
  "usage": { "type": "duration", "seconds": 9 }
}

textstring

Texto transcrito.

usageobject

Base de facturación. Si type es duration, se factura por segundos de audio (seconds); si es tokens, se factura por tokens (input_tokens, output_tokens).

ElevenLabs Scribe devuelve además campos como words (texto y tiempos de inicio y fin de cada palabra), language y duration; consulte ElevenLabs. Si necesita un archivo de subtítulos, puede generarlo a partir de las marcas de tiempo de words.

Errores habituales

HTTP	Mensaje de error	Causa	Solución
400	`Unsupported response_format 'srt'. Only 'json' and 'verbose_json' are supported on this gateway`	Se usó `text`, `srt` o `vtt`	Use `json`; genere los subtítulos a partir de las marcas de tiempo
400	`response_format 'verbose_json' is not compatible with model 'gpt-transcribe'. Use 'json' or 'text' instead.`	Los modelos de transcripción GPT no admiten `verbose_json`	Use `json`
400	`Unsupported file format txt`	El archivo subido no es de audio	Suba un archivo de audio como `mp3` o `wav`
400	`Model 'openai/gpt-5.4' is not supported on /v1/audio/transcriptions. Supported: ...`	El modelo elegido no es de transcripción	Use uno de los modelos indicados en el mensaje de error
400	`You must provide a model parameter.`	La petición se envió como JSON en lugar de formulario	Suba el archivo con `multipart/form-data`

La descripción completa de los códigos de error está en Gestión de errores.