语音转文本 API 参考

    通过 Gate.AI 语音转文本接口上传音频文件，同步返回 OpenAI 兼容的转写结果。设置 stream=true 时，网关会以 text/event-stream 透传上游 SSE，末帧携带 usage 与 model_extend。

    字段值
    Base URLhttps://api.gate.ai/openai/v1
    认证Authorization: Bearer <API_KEY>
    格式OpenAI 兼容；使用 multipart/form-data 上传音频文件

    语音接口路径位于 /openai/v1 下；语音转文本与文本转语音为同步能力，不返回 job_id，也不需要轮询。TTS 默认二进制响应中的计费信息记录在控制台 Generations。

    语音转文本

    POST/audio/transcriptions

    上传待转写音频文件，同步返回文本、usage 与 model_extend.cost。gpt-4o-transcribe / gpt-4o-mini-transcribe 按 token 计费；whisper-1 通常按音频时长计费。

    请求参数

    名称位置类型必选说明
    Authorizationheaderstring是Gate.AI API Key。格式：Bearer <API_KEY>
    Content-Typeheaderstring是请求体格式：multipart/form-data

    请求体

    名称类型必选说明
    modelstring是语音转文本模型 ID，如 whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe；以平台实际上架为准
    filefile是待转写音频文件，如 mp3、wav、m4a 等格式
    languagestring否可选语言提示，如 zh，用于提升转写准确性
    streamboolean否设为 true 时返回 text/event-stream 流式转写事件；末帧 transcript.text.done 携带 usage 与 model_extend

    示例

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

    返回字段说明

    名称类型说明
    textstring转写文本
    usageobject语音转文本用量。不同模型可能返回 token 或音频时长形态
    usage.input_token_details.audio_tokensinteger音频输入 token 数，适用于 token 计费的转写模型
    model_extend.coststring实际计费金额（USD），扣款以 model_extend.cost 为准
    model_extend.providerstring实际上游 provider，如 openai
    model_extend.line_itemsarray计费分项，如 input_audio、output 或按时长计费项目

    返回示例

    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}

    返回结果

    状态码状态码含义说明数据模型
    200OK成功，同步返回转写结果、音频数据或 SSE 事件。AudioResponse
    400Bad Request请求参数错误、请求体格式错误，或缺少 model / file / input 等必填字段。OpenAIErrorResponse
    401UnauthorizedAPI Key 无效或缺失。OpenAIErrorResponse
    402Payment Required余额不足。InsufficientBalanceResponse
    404Not Found模型不存在，或语音端点未启用。OpenAIErrorResponse
    413Payload Too Large上传文件或请求体过大。OpenAIErrorResponse
    429Too Many Requests请求过于频繁，请降低调用频率。OpenAIErrorResponse
    500Internal Server Error服务内部错误。OpenAIErrorResponse
    502Bad Gateway上游语音服务失败。OpenAIErrorResponse