Transcribe Audio

Zamienia mowę na tekst przy użyciu transkrypcji opartej na AI (faster-whisper). Obsługuje formaty wyjściowe zwykłego tekstu, SRT i VTT z automatycznym lub ręcznym wyborem języka.

API Endpoint

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

Przyjmuje dane formularza multipart z plikiem audio oraz polem JSON settings.

Parameters

Parametr	Typ	Wymagany	Domyślny	Opis
language	string	Nie	"auto"	Język: auto, en, de, fr, es, zh, ja, ko, id, th, vi
outputFormat	string	Nie	"txt"	Format wyjściowy: 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

To jest narzędzie asynchroniczne. API natychmiast zwraca 202 Accepted:

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

Śledź postęp przez SSE pod GET /api/v1/jobs/{jobId}/progress. Po zakończeniu zadania strumień SSE dostarcza końcowy wynik z downloadUrl.

Notes

• Wymaga zainstalowania pakietu funkcji transcription. Zwraca 501 z kodem FEATURE_NOT_INSTALLED, brakującym feature, featureName oraz estimatedSize, jeśli pakiet nie jest dostępny.
• Do transkrypcji używa faster-whisper. Język auto automatycznie wykrywa mówiony język.
• Formaty srt i vtt zawierają znaczniki czasu dla każdego segmentu, odpowiednie do napisów.
• Format txt zwraca zwykły tekst bez znaczników czasu.
• To jest długotrwałe narzędzie AI; czas przetwarzania zależy od długości audio i sprzętu serwera.