Transcribe Audio

Omvandla tal till text med AI-driven transkribering (faster-whisper). Stöder utdataformaten oformaterad text, SRT och VTT med automatiskt eller manuellt språkval.

API Endpoint

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

Tar emot multipart-formulärdata med en ljudfil och ett JSON-fält settings.

Parameters

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

Detta är ett asynkront verktyg. API:et returnerar 202 Accepted omedelbart:

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

Följ förloppet via SSE på GET /api/v1/jobs/{jobId}/progress. När jobbet är klart levererar SSE-strömmen det slutliga resultatet med en downloadUrl.

Notes

• Kräver att funktionspaketet transcription är installerat. Returnerar 501 med koden FEATURE_NOT_INSTALLED, det saknade feature, featureName och estimatedSize om paketet inte är tillgängligt.
• Använder faster-whisper för transkribering. Språket auto identifierar det talade språket automatiskt.
• Formaten srt och vtt innehåller tidsstämplar för varje segment, lämpliga för undertexter.
• Formatet txt returnerar oformaterad text utan tidsstämplar.
• Detta är ett långkörande AI-verktyg; bearbetningstiden beror på ljudets längd och serverns hårdvara.