Voz a texto

Speech to Text convierte una URL de audio en texto y metadatos de segmento opcionales. Úselo para audio cargado, grabaciones de llamadas, flujos de trabajo de creadores y trabajos de transcripción de backend.

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

Pedido

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

El servicio API debe poder acceder a audioUrl. Si sus archivos son privados, genere una URL firmada de corta duración que siga siendo válida el tiempo suficiente para su procesamiento. language es opcional. Utilice una sugerencia de idioma como en, zh o ru cuando conozca el idioma de origen.

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"}'

Respuesta

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

La forma del segmento puede variar según el modelo y la capacidad de la cuenta. Su analizador debe tratar los metadatos del segmento como opcionales y utilizar text como resultado principal.

Facturación y créditos

La transcripción normalmente se cobra según la duración del audio. Valide la duración del archivo de su lado cuando sea posible, especialmente antes de enviar grabaciones cargadas por usuarios. Si su producto permite muchas cargas a la vez, ponga trabajos en cola y verifique el saldo de la cuenta entre lotes.

Cuando una solicitud falla antes de que comience el procesamiento del audio, los créditos no deben tratarse del mismo modo que una transcripción completa. Utilice campos de respuesta y comprobaciones de perfiles para la conciliación operativa.

Errores