語音轉文字 API 參考

    透過 Gate.AI 語音轉文字接口上傳音訊檔案，同步回傳 OpenAI 相容的轉寫結果。設定 stream=true 時，網關會以 text/event-stream 透傳上游 SSE，末幀攜帶 usage 與 model_extend。

    欄位值
    Base URLhttps://api.gate.ai/openai/v1
    認證Authorization: Bearer <API_KEY>
    格式OpenAI 相容；使用 multipart/form-data 上傳音訊檔案

    語音接口路徑位於 /openai/v1 下；語音轉文字與文字轉語音為同步能力，不回傳 job_id，也不需要輪詢。TTS 預設二進位回應中的計費資訊會記錄在控制台 Generations。

    語音轉文字

    POST/audio/transcriptions

    上傳待轉寫音訊檔案，同步回傳文字、usage 與 model_extend.cost。gpt-4o-transcribe / gpt-4o-mini-transcribe 按 token 計費；whisper-1 通常按音訊時長計費。

    請求參數

    名稱位置類型必填說明
    Authorizationheaderstring是Gate.AI API Key。格式：Bearer <API_KEY>
    Content-Typeheaderstring是請求主體格式：multipart/form-data

    請求主體

    名稱類型必填說明
    modelstring是語音轉文字模型 ID，如 whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe；以平台實際上架為準
    filefile是待轉寫音訊檔案，如 mp3、wav、m4a 等格式
    languagestring否可選語言提示，如 zh，用於提升轉寫準確性
    streamboolean否設為 true 時回傳 text/event-stream 串流轉寫事件；末幀 transcript.text.done 攜帶 usage 與 model_extend

    示例

    text
    1model=gpt-4o-transcribe2language=zh3file=@./input.mp3

    返回欄位說明

    名稱類型說明
    textstring轉寫文字
    usageobject語音轉文字用量。不同模型可能回傳 token 或音訊時長形態
    usage.input_token_details.audio_tokensinteger音訊輸入 token 數，適用於 token 計費的轉寫模型
    model_extend.coststring實際計費金額（USD），扣款以 model_extend.cost 為準
    model_extend.providerstring實際上游 provider，如 openai
    model_extend.line_itemsarray計費分項，如 input_audio、output 或按時長計費項目

    回傳範例

    json
    1{2  "text": "今天天气很好，我们一起去海边散步吧。",3  "usage": {4    "type": "tokens",5    "input_tokens": 14,6    "input_token_details": {7      "text_tokens": 0,8      "audio_tokens": 149    },10    "output_tokens": 18,11    "total_tokens": 3212  },13  "model_extend": {14    "cost": "0.000180",15    "provider": "openai",16    "total_tokens": "32",17    "line_items": [18      {19        "kind": "input_audio",20        "tokens": 14,21        "rate_usd_per_million": "6.0000000000",22        "amount_usd": "0.0000840000"23      },24      {25        "kind": "output",26        "tokens": 18,27        "rate_usd_per_million": "10.0000000000",28        "amount_usd": "0.0001800000"29      }30    ]31  }32}

    回傳結果

    狀態碼狀態碼含義說明資料模型
    200OK成功，同步回傳轉寫結果、音訊資料或 SSE 事件。AudioResponse
    400Bad Request請求參數錯誤、請求主體格式錯誤，或缺少 model / file / input 等必填欄位。OpenAIErrorResponse
    401UnauthorizedAPI Key 無效或缺失。OpenAIErrorResponse
    402Payment Required餘額不足。InsufficientBalanceResponse
    404Not Found模型不存在，或語音端點未啟用。OpenAIErrorResponse
    413Payload Too Large上傳檔案或請求主體過大。OpenAIErrorResponse
    429Too Many Requests請求過於頻繁，請降低呼叫頻率。OpenAIErrorResponse
    500Internal Server Error服務內部錯誤。OpenAIErrorResponse
    502Bad Gateway上游語音服務失敗。OpenAIErrorResponse