Skip to Content
API 参考OpenAI 兼容协议Audio Transcriptions

Audio Transcriptions API

将音频转为文字。兼容 OpenAI 的 POST /v1/audio/transcriptions，以 multipart/form-data 上传音频文件。

系列模型说明
GPT 转录openai/gpt-transcribe、openai/gpt-4o-mini-transcribe、openai/gpt-4o-transcribe-diarize见 GPT 转录
ElevenLabselevenlabs/scribe_v2支持逐词时间戳与说话人分离，见 ElevenLabs

快速开始

base_urlhttps://api.ofox.io/v1
接口地址https://api.ofox.io/v1/audio/transcriptions
模型 IDopenai/gpt-transcribe
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)

请求参数

file必填file

音频文件，如 mp3、wav。非音频文件返回 400。

model必填string

模型 ID，见上表。

languagestring

音频的语言，如 zh、en。不传时自动识别。

promptstring

提示文字，用于指定用字习惯或专有名词，适用于 GPT 转录模型。转录普通话时，建议同时传入 language: "zh" 与「以下是普通话的句子，请使用简体中文。」，否则可能输出繁体字。

response_formatstring· 默认 json· 可选jsonverbose_json

仅支持 json 与 verbose_json；text、srt、vtt 会返回 400。verbose_json 仅适用于 ElevenLabs Scribe。

provider_optionsstring

供应商专有参数，以 JSON 字符串作为表单字段传入，例如 {"elevenlabs": {"diarize": true}}。见各系列页。

响应

{
  "text": "今天天气很好，我们下午三点在会议室讨论新功能。",
  "usage": { "type": "duration", "seconds": 9 }
}
textstring

转录文字。

usageobject

计费依据。type 为 duration 时按音频秒数计费（seconds）；为 tokens 时按 token 计费（input_tokens、output_tokens）。

ElevenLabs Scribe 另返回 words（逐词文字与起止时间）、language、duration 等字段，见 ElevenLabs。需要字幕文件时，可根据 words 中的时间戳自行生成。

常见报错

HTTP报错原文原因处理方法
400Unsupported response_format 'srt'. Only 'json' and 'verbose_json' are supported on this gateway使用了 text、srt、vtt改用 json；字幕请根据时间戳生成
400response_format 'verbose_json' is not compatible with model 'gpt-transcribe'. Use 'json' or 'text' instead.GPT 转录模型不支持 verbose_json改用 json
400Unsupported file format txt上传的不是音频文件上传 mp3、wav 等音频
400Model 'openai/gpt-5.4' is not supported on /v1/audio/transcriptions. Supported: ...所选模型不是转录模型改用报错中列出的模型
400You must provide a model parameter.以 JSON 而非表单提交了请求使用 multipart/form-data 上传文件

完整的错误码说明见错误处理。

最后更新于
Audio Speech