Transcribe Audio

Wandelt Sprache mithilfe KI-gestützter Transkription (faster-whisper) in Text um. Unterstützt die Ausgabeformate Klartext, SRT und VTT mit automatischer oder manueller Sprachauswahl.

API Endpoint

POST /api/v1/tools/audio/transcribe-audio

Akzeptiert Multipart-Formulardaten mit einer Audiodatei und einem JSON-Feld settings.

Parameters

Parameter	Typ	Erforderlich	Standard	Beschreibung
language	string	Nein	"auto"	Sprache: auto, en, de, fr, es, zh, ja, ko, id, th, vi
outputFormat	string	Nein	"txt"	Ausgabeformat: txt, srt, vtt

Example Request

curl -X POST http://localhost:1349/api/v1/tools/audio/transcribe-audio \
  -H "Authorization: Bearer si_your-api-key" \
  -F "[email protected]" \
  -F 'settings={"language": "en", "outputFormat": "srt"}'

Example Response

Dies ist ein asynchrones Tool. Die API gibt sofort 202 Accepted zurück:

{
  "jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
  "async": true
}

Verfolge den Fortschritt per SSE unter GET /api/v1/jobs/{jobId}/progress. Sobald der Job abgeschlossen ist, liefert der SSE-Stream das Endergebnis mit einer downloadUrl.

Notes

• Erfordert die Installation des Feature-Bundles transcription. Gibt 501 mit dem Code FEATURE_NOT_INSTALLED, dem fehlenden feature, featureName und estimatedSize zurück, wenn das Bundle nicht verfügbar ist.
• Verwendet faster-whisper für die Transkription. Die Sprache auto erkennt die gesprochene Sprache automatisch.
• Die Formate srt und vtt enthalten Zeitstempel für jedes Segment und eignen sich für Untertitel.
• Das Format txt gibt Klartext ohne Zeitstempel zurück.
• Dies ist ein länger laufendes KI-Tool; die Verarbeitungszeit hängt von der Audiolänge und der Server-Hardware ab.