ファイル文字起こし

WAV音声ファイルをアップロードし、Muse Voice Transcribeで文字起こし結果を取得します。

完全なWAV音声ファイルをアップロードし、Muse Voice TranscribeからJSON、SSE、またはプレーンテキストの文字起こし結果を取得します。ファイルはモノラル、16-bit integer PCM、16 kHzまたは24 kHzのサンプリングレートである必要があります。

curl --fail-with-body 'https://api.agtcloud.cn/v1/asr/transcribe' \
  -H 'Authorization: Bearer your-api-key' \
  -H 'Accept: application/json' \
  -F 'request={"model":"muse-voice-transcribe-1.0","audioEncoding":"WAV","mode":"DIARIZATION","languageBias":["Mandarin Chinese"]};type=application/json' \
  -F 'audio=@audio.wav;type=audio/wav'

POST/v1/asr/transcribe

JSON設定とWAV音声をMultipartで同時に送信します。音声はモノラル、16-bit integer PCM WAV、16 kHzまたは24 kHzのサンプリングレートで、長さは600秒以下、リクエスト本文全体は32 MiB以下である必要があります。

AcceptでJSON、SSE、またはプレーンテキストのレスポンスを選択します。モデルの利用可否は、現在のAPI Keyとモデル一覧を参照してください。

認証

bearerAuth

認証Bearer <token>

Authorization HeaderにBearer your-api-keyを指定します。

指定位置: header

リクエストボディ

multipart/form-data

request部分にJSONを指定し、audio部分でWAVファイルをアップロードします。Multipart boundaryはクライアントに自動生成させてください。

TypeScript 型定義

TypeScript で request body 型を使用します。

request*

audio*file

モノラル、16-bit integer PCM WAVファイルです。サンプリングレートは16 kHzまたは24 kHz、長さは600秒以下です。

形式binary

レスポンスボディ

{
  "sessionId": "example-session",
  "transcript": "こんにちは、聞こえますか？",
  "audioDurationMs": 4300,
  "turns": [
    {
      "turnId": 0,
      "startMs": 120,
      "endMs": 4200,
      "transcript": "こんにちは、聞こえますか？",
      "speaker": "A"
    }
  ]
}

認証

リクエストボディ

レスポンスボディ

200application/json

400

406

413