Transcribe Audio

使用 AI 驱动的转写（faster-whisper）将语音转换为文本。支持纯文本、SRT 和 VTT 输出格式，并可自动或手动选择语言。

API Endpoint

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

接受包含音频文件和 JSON settings 字段的 multipart 表单数据。

Parameters

Parameter	Type	Required	Default	Description
language	string	No	"auto"	语言：auto、en、de、fr、es、zh、ja、ko、id、th、vi
outputFormat	string	No	"txt"	输出格式：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

这是一个异步工具。API 会立即返回 202 Accepted：

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

通过 GET /api/v1/jobs/{jobId}/progress 处的 SSE 跟踪进度。作业完成后，SSE 流会传递带有 downloadUrl 的最终结果。

Notes

• 需要安装 transcription 功能包。如果该功能包不可用，会返回 501，其代码为 FEATURE_NOT_INSTALLED，并包含缺失的 feature、featureName 和 estimatedSize。
• 使用 faster-whisper 进行转写。语言设为 auto 时会自动检测所说的语言。
• srt 和 vtt 格式为每个片段包含时间戳，适合用作字幕。
• txt 格式返回不带时间戳的纯文本。
• 这是一个长时间运行的 AI 工具，处理时间取决于音频长度和服务器硬件。