Skip to main content
  • 多种输出格式：json、text、srt、vtt 等
  • 最大文件大小 25 MB
curl --request POST \
  --url https://claw.dualseason.com/v1/audio/transcriptions \
  --header 'Authorization: Bearer <token>' \
  --header 'Content-Type: multipart/form-data' \
  --form 'file=@/path/to/audio.mp3' \
  --form 'model=whisper-1' \
  --form 'language=zh' \
  --form 'response_format=json'

{
  "text": "这是一段测试音频的转录文本内容。"
}

​
Authorizations

​
Authorization
string
required
所有接口均需要使用Bearer Token进行认证获取 API Key：访问 API Key 管理页面 获取您的 API Key使用时在请求头中添加：
Authorization: Bearer YOUR_API_KEY

​
Body

⚠️ 此接口不支持在线调用（Try it）由于文件上传的限制，请使用以下方式测试：
  • Apifox / Postman - 导入后手动将 file 参数改为文件类型
  • cURL - 参考右侧代码示例
  • SDK - 使用各语言的 SDK 示例代码
​
file
string
required
要转录的音频文件（文件类型）⚠️ 注意：如果使用 Apifox 等工具测试：
  1. 导入后需要手动将此参数类型改为 file
  2. 确保请求 Content-Type 为 multipart/form-data
支持的格式：mp3, mp4, mpeg, mpga, m4a, wav, webm最大文件大小：25 MB
​
model
string
default:"whisper-1"
required
语音识别模型名称Example: "whisper-1"
​
language
string
音频的语言代码（ISO-639-1 格式）指定语言可以提高准确率和速度支持的语言包括：zh（中文）、en（英文）、ja（日文）、ko（韩文）等 99 种语言Example: "zh"
​
prompt
string
可选的文本提示，用于指导模型的转录风格或延续前一段音频最长 224 个 tokens
​
response_format
string
default:"json"
输出格式支持的格式：
  • json - JSON 格式（仅包含文本）
  • text - 纯文本
  • srt - SRT 字幕格式
  • verbose_json - 详细的 JSON 格式（包含时间戳和其他元数据）
  • vtt - WebVTT 字幕格式
​
temperature
number
default:"0"
采样温度，范围 0 到 1较高的值（如 0.8）会使输出更随机，较低的值（如 0.2）会使其更加确定和一致

​
Response

​
text
string
转录后的文本内容
​
task
string
任务类型，固定为 transcribe仅在 verbose_json 格式时返回
​
language
string
检测到的或指定的语言代码仅在 verbose_json 格式时返回
​
duration
number
音频时长（秒）仅在 verbose_json 格式时返回
​
segments
array
文本片段数组仅在 verbose_json 格式时返回