Sprache zum Text

Speech to Text wandelt eine Audio-URL in Text und optionale Segmentmetadaten um. Verwenden Sie es für hochgeladene Audiodaten, Anrufaufzeichnungen, Ersteller-Workflows und Back-End-Transkriptionsjobs.

POST /api/open/v1/speech/transcriptions
Authorization: Bearer KITTA_API_KEY
Content-Type: application/json

Anfrage

{
  "audioUrl": "https://example.com/audio.mp3",
  "language": "en"
}

audioUrl muss für den API-Dienst erreichbar sein. Wenn Ihre Dateien privat sind, generieren Sie eine kurzlebige signierte URL, die lange genug für die Verarbeitung gültig bleibt. language ist optional. Verwenden Sie einen Sprachhinweis wie en, zh oder ru, wenn Sie die Quellsprache kennen.

curl https://kittaai.com/api/open/v1/speech/transcriptions \
  -H "Authorization: Bearer KITTA_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"audioUrl":"https://example.com/audio.mp3","language":"en"}'

Antwort

{
  "text": "This is the transcription result.",
  "duration": 12.4,
  "segments": [],
  "credits_used": 13,
  "quota_remaining": 987987
}

Die Segmentform kann je nach Modell und Kontofunktion variieren. Ihr Parser sollte Segmentmetadaten als optional behandeln und text als primäres Ergebnis verwenden.

Abrechnung und Gutschriften

Die Kosten für die Transkription richten sich in der Regel nach der Audiodauer. Überprüfen Sie nach Möglichkeit die Dateidauer auf Ihrer Seite, insbesondere bevor Sie vom Benutzer hochgeladene Aufzeichnungen einreichen. Wenn Ihr Produkt viele Uploads gleichzeitig zulässt, stellen Sie Aufträge in die Warteschlange und überprüfen Sie den Kontostand zwischen den Stapeln.

Wenn eine Anfrage fehlschlägt, bevor die Audioverarbeitung beginnt, sollten Credits nicht wie eine abgeschlossene Transkription behandelt werden. Nutzen Sie Antwortfelder und Profilprüfungen für den betrieblichen Abgleich.

Fehler