Transcribe Audio

AI-संचालित ट्रांसक्रिप्शन (faster-whisper) का उपयोग करके भाषण को टेक्स्ट में बदलें। स्वचालित या मैनुअल भाषा चयन के साथ plain text, SRT, और VTT आउटपुट फ़ॉर्मेट का समर्थन करता है।

API Endpoint

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

एक ऑडियो फ़ाइल और एक JSON settings फ़ील्ड के साथ multipart form data स्वीकार करता है।

Parameters

Parameter	Type	Required	Default	Description
language	string	No	"auto"	भाषा: auto, en, de, fr, es, zh, ja, ko, id, th, vi
outputFormat	string	No	"txt"	आउटपुट फ़ॉर्मेट: 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

यह एक async टूल है। API तुरंत 202 Accepted लौटाता है:

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

GET /api/v1/jobs/{jobId}/progress पर SSE के माध्यम से प्रगति को ट्रैक करें। जब job पूरी हो जाती है, तो SSE स्ट्रीम एक downloadUrl के साथ अंतिम परिणाम प्रदान करता है।

Notes

• transcription फ़ीचर बंडल को इंस्टॉल करने की आवश्यकता है। यदि बंडल उपलब्ध नहीं है तो कोड FEATURE_NOT_INSTALLED, गायब feature, featureName, और estimatedSize के साथ 501 लौटाता है।
• ट्रांसक्रिप्शन के लिए faster-whisper का उपयोग करता है। भाषा auto स्वचालित रूप से बोली गई भाषा का पता लगाती है।
• srt और vtt फ़ॉर्मेट प्रत्येक खंड के लिए टाइमस्टैम्प शामिल करते हैं, जो सबटाइटल के लिए उपयुक्त हैं।
• txt फ़ॉर्मेट बिना टाइमस्टैम्प के plain text लौटाता है।
• यह एक लंबे समय तक चलने वाला AI टूल है; प्रोसेसिंग समय ऑडियो की लंबाई और सर्वर हार्डवेयर पर निर्भर करता है।