音频转写
/v1/audio/transcriptions音频转写接口。支持 multipart file、file_id、url、audio_url,不支持audio_data。
选择转写模式
| 场景 | model | 返回形式 |
|---|---|---|
| 普通音频转写 | moss-transcribe-1.0 | JSON / text |
| 多说话人转写 | moss-transcribe-diarize-pro | JSON,含 segments;可通过 stream=true 返回 SSE |
请求参数
模型 ID。普通转写使用 moss-transcribe-1.0;多说话人转写、热词和 SSE 流式输出使用 moss-transcribe-diarize-pro。
通过 multipart/form-data 直接上传本地音频或视频文件,无需先调用文件上传接口;不传 async=true 时同步返回转写结果。单文件最大 512 MB。
引用 POST /v1/files 返回的文件 ID。
服务端可访问的公网音频 URL;不得指向 localhost、回环地址或私网地址。
url 的兼容字段,访问限制相同;新调用推荐使用 url。
设为 true 时返回说话人分离结果,仅 moss-transcribe-diarize-pro 支持;不传或传 false 时只返回完整文本。
热词列表,用于提升专有名词、人名、品牌名和业务术语的识别准确率。仅 moss-transcribe-diarize-pro 支持;最多 20 个,每个最多 30 个字符;不传或传 [] 表示不启用。使用 multipart/form-data 时以 JSON 字符串数组传入,例如 ["MOSS","SGLang"]。
仅 moss-transcribe-diarize-pro 支持传 true,用于返回 SSE 转写事件;不支持同时传 async=true。
转写结果格式。非流式默认 json;流式固定返回 SSE 事件,建议显式传 verbose_json。
设为 true 时创建异步任务并立即返回任务对象;不能和 stream=true 同时使用。
异步任务完成后回调的 HTTPS URL。
支持格式与上传限制
| 项目 | 说明 |
|---|---|
| 单文件大小 | 最大 512 MB;直接上传与 /v1/files 保持一致。 |
| 已支持格式 | AAC、AMR、FLAC、M4A、ALAC、MOV、MP3、MP4、MPG、OGG、OPUS、WAV、WebM、WMA |
| 音视频容器 | MOV、MP4、MPG、WebM均可完成转写 |
返回值
response_format=json 且未启用 diarize 时返回完整转写文本。
启用 diarize,或使用 response_format=diarized_json 时,返回完整文本及说话人分段。
response_format=text 时直接返回纯文本。
stream=true 时持续返回服务端事件,直到完成或失败;示例使用流式专用的 verbose_json。
async=true 时立即返回任务对象,结果通过查询任务接口获取。
错误码
输入来源、流式 / 异步组合或热词不合法。
错误说明
以下情况返回参数错误:
keyterms不是字符串数组。keyterms包含非字符串元素。- 普通
moss-transcribe-1.0携带非空keyterms。