واجهة برمجة تطبيقات التعرف على الصوت من OpenAI (/v1/audio/transcriptions)

تحويل الصوت إلى نص، متوافق تمامًا مع /v1/audio/transcriptions من OpenAI. أي SDK من OpenAI يحتاج فقط إلى توجيه base_url إلى https://api.acedata.cloud، واستبدال المفتاح برمز AceData الخاص بك لاستخدامه مباشرة. يدعم الاستجابة الكاملة العادية، كما يدعم التحويل التدريجي لـ gpt-transcribe عبر SSE.

عنوان الطلب: POST https://api.acedata.cloud/v1/audio/transcriptions (اسم مستعار POST /openai/audio/transcriptions)
المصادقة: رأس الطلب Authorization: Bearer {token}
تنسيق الطلب: multipart/form-data
الفوترة: يتم احتساب الرسوم بناءً على مدة الصوت (انظر الجدول أدناه)، وأي مدة أقل من 1 ثانية يتم احتسابها كـ 1 ثانية.

معلمات الطلب

الحقل	النوع	مطلوب	الوصف
`file`	ملف	نعم	ملف الصوت المراد تحويله، بحد أقصى 25 ميجابايت. يدعم `flac`، `mp3`، `mp4`، `mpeg`، `mpga`، `m4a`، `ogg`، `wav`، `webm`.
`model`	سلسلة	لا	`whisper-1` (افتراضي) أو `gpt-transcribe`، انظر الجدول أدناه للاختلافات في القدرات.
`language`	سلسلة	لا	لغة الصوت، رمز ISO-639-1 (مثل `zh`، `en`). ملؤها يمكن أن يحسن الدقة والسرعة؛ إذا تركت فارغة، سيتم التعرف عليها تلقائيًا.
`prompt`	سلسلة	لا	كلمات توجيهية، تستخدم لتوجيه أسلوب الكتابة، أو تقديم أسماء خاصة، مصطلحات لتحسين دقة التعرف.
`response_format`	سلسلة	لا	`whisper-1`: `json` (افتراضي)، `text`، `srt`، `verbose_json`، `vtt`؛ `gpt-transcribe`: فقط `json`، `text`.
`temperature`	رقم	لا	درجة حرارة العينة من 0 إلى 1، الافتراضي 0.
`timestamp_granularities[]`	مصفوفة	لا	دقة الطابع الزمني، `word` أو `segment`، يجب استخدامها مع `response_format=verbose_json`.
`languages[]`	مصفوفة	لا	لغات مرشحة (ISO-639-1)، فقط `gpt-transcribe`. متعارضة مع `language`، لا ترسلها معًا.
`keywords[]`	مصفوفة	لا	كلمات خاصة/مصطلحات توجيهية، فقط `gpt-transcribe`، يمكن أن تحسن بشكل كبير دقة التعرف على أسماء العلامات التجارية والأشخاص.
`stream`	منطقي	لا	عند تعيين `gpt-transcribe` إلى `true`، يتم إرجاع أحداث SSE التدريجية؛ `whisper-1` سيتجاهل هذه المعلمة ويعيد النتيجة الكاملة (متوافق مع سلوك OpenAI الرسمي).

أي نموذج تختار

	`whisper-1`	`gpt-transcribe`
السعر	$0.0078 / دقيقة	$0.0059 / دقيقة (أرخص)
دقة التعرف	جيدة	أفضل، خاصة في أسماء العلامات التجارية، والأسماء الخاصة
إخراج الترجمة ( `srt` / `vtt` )	✅	❌
الطابع الزمني على مستوى الكلمة	✅	❌
`languages[]` / `keywords[]`	❌	✅
إرجاع اللغة المكتشفة	يحتاج إلى `verbose_json`	إرجاع افتراضي
إرجاع التدفق التدريجي	❌ (يتم تجاهل `stream`)	✅

تحتاج إلى ترجمة أو طابع زمني على مستوى الكلمة → whisper-1؛ باقي السيناريوهات يوصى بـ gpt-transcribe (أكثر دقة وأرخص).

مثال

curl -X POST 'https://api.acedata.cloud/v1/audio/transcriptions' \
  -H 'authorization: Bearer {token}' \
  -F file=@audio.mp3 \
  -F model=whisper-1

العودة:

{
  "text": "منصة Ace Data Cloud تختبر نقطة نهاية التعرف على الصوت. الثعلب البني السريع يقفز فوق الكلب الكسول."
}

يدعم الصوت باللغة الصينية أيضًا، دون الحاجة لتحديد اللغة:

{
  "text": "مرحبًا بكم في منصة AceData Cloud، نحن نختبر واجهة التعرف على الصوت، اليوم هو 31 يوليو."
}

إنشاء ترجمة

قم بتعيين response_format إلى srt أو vtt، للحصول على ملف ترجمة قابل للاستخدام مباشرة:

curl -X POST 'https://api.acedata.cloud/v1/audio/transcriptions' \
  -H 'authorization: Bearer {token}' \
  -F file=@audio.mp3 \
  -F model=whisper-1 \
  -F response_format=srt \
  -o subtitle.srt

محتوى العودة ( Content-Type: text/plain ):

1
00:00:00,000 --> 00:00:03,800
منصة Ace Data Cloud تختبر نقطة نهاية التعرف على الصوت.

2
00:00:03,800 --> 00:00:06,280
الثعلب البني السريع يقفز فوق الكلب الكسول.

الطابع الزمني على مستوى الكلمة

عند الحاجة إلى وقت البدء والانتهاء لكل كلمة، استخدم verbose_json مع timestamp_granularities[]=word:

curl -X POST 'https://api.acedata.cloud/v1/audio/transcriptions' \
  -H 'authorization: Bearer {token}' \
  -F file=@audio.mp3 \
  -F model=whisper-1 \
  -F response_format=verbose_json \
  -F 'timestamp_granularities[]=word'

العودة:

{
  "task": "transcribe",
  "language": "english",
  "duration": 6.29,
  "text": "منصة Ace Data Cloud تختبر نقطة نهاية التعرف على الصوت. الثعلب البني السريع يقفز فوق الكلب الكسول.",
  "words": [
    {
      "word": "Ace",
      "start": 0.0,
      "end": 0.32
    },
    {
      "word": "Data",
      "start": 0.32,
      "end": 0.54
    },
    {
      "word": "Cloud",
      "start": 0.54,
      "end": 0.86
    }
  ]
}

التحويل التدريجي

يمكن لـ gpt-transcribe إرجاع Content-Type: text/event-stream عبر stream=true. ستقوم الخدمة بإرسال أحداث متوافقة مع OpenAI كما هي: transcript.text.delta يحمل النص التدريجي، و transcript.text.done يحمل النص الكامل و usage ويشير إلى الانتهاء بشكل طبيعي.

curl -N -X POST 'https://api.acedata.cloud/v1/audio/transcriptions' \
  -H 'authorization: Bearer {token}' \
  -F file=@audio.mp3 \
  -F model=gpt-transcribe \
  -F stream=true

مثال على تدفق الأحداث:

data: {"type":"transcript.text.delta","delta":"مرحبًا"}

data: {"type":"transcript.text.done","text":"مرحبًا بالعالم","usage":{"type":"tokens","input_tokens":14,"output_tokens":3,"total_tokens":17}}

استلام transcript.text.done فقط يشير إلى الانتهاء بشكل طبيعي. إذا فشل المعالجة بعد إنشاء التدفق، ستنتهي الاتصال بعد حدث event: error؛ إذا قام العميل بفصل الاتصال، سيتم إلغاء المعالجة الحالية، ولن تستمر في الخلفية. حتى إذا تم تمرير stream=true، فإن whisper-1 سيظل يعيد استجابة عادية غير تدفقية.

استخدام SDK الرسمي

from openai import OpenAI

client = OpenAI(base_url="https://api.acedata.cloud/v1", api_key="{token}")
with open("audio.mp3", "rb") as f:
    result = client.audio.transcriptions.create(model="whisper-1", file=f)
print(result.text)

الأسعار

النموذج	سعر المنصة
`whisper-1`	$0.0078 / دقيقة
`gpt-transcribe`	$0.0059 / دقيقة

يتم احتساب الرسوم بناءً على الطول الفعلي للصوت، وأي جزء أقل من 1 ثانية يتم احتسابه كـ 1 ثانية، وأقصى مدة لمرة واحدة هي 1 ساعة.

ملاحظات

الحد الأقصى لحجم الملف الواحد هو 25 ميغابايت. إذا تجاوز ذلك، يرجى تقسيمه أو ضغطه (تقليل معدل البت عادة يكفي، حيث أن التعرف على الصوت لا يتطلب جودة صوت عالية).
يدعم gpt-transcribe stream=true SSE؛ بينما سيتجاهل whisper-1 stream ويعيد النتيجة الكاملة.
المعلمات متوافقة مع OpenAI الرسمية /v1/audio/transcriptions، يمكن استخدام SDK الرسمي فقط بتغيير base_url.
include[]، chunking_strategy، known_speaker_names[]، known_speaker_references[] هي نماذج تحويل لم يتم طرحها بعد، تمريرها سيعيد 400 بدلاً من تجاهلها بصمت. المعلمات الخاصة بالنموذج (timestamp_granularities[] لـ whisper-1، languages[]/keywords[] لـ gpt-transcribe) ستعيد أيضًا 400 عند تمريرها لنموذج غير مدعوم.
الطلبات تستغرق وقتًا طويلاً، يُنصح بتعيين مهلة العميل لا تقل عن 300 ثانية.

رموز الخطأ

حالة الرمز	code	الوصف
400	`bad_request`	لم يتم تقديم `file`، أو الملف غير قابل للتحليل، أو المعلمات غير صالحة (قيم `model`/`response_format` غير مدعومة، `temperature` تتجاوز 0–1، `timestamp_granularities[]` لم تتوافق مع `verbose_json`، تم تمرير معلمات غير مدعومة لـ `whisper-1`).
401	`authentication_failed`	الرمز غير صالح.
403	`used_up`	الرصيد غير كافٍ.
413	`request_too_large`	ملف الصوت يتجاوز الحد الأقصى 25 ميغابايت.
429	`too_many_requests`	الطلبات متكررة جدًا، يرجى المحاولة لاحقًا.
500	`api_error`	خطأ داخلي في الخدمة، يرجى المحاولة لاحقًا.

البداية

دردشة الذكاء الاصطناعي

صورة الذكاء الاصطناعي

فيديو الذكاء الاصطناعي

الصوت الذكي

الويب والبيانات

CAPTCHA

الهوية

Coding

المزيد من الأدلة

واجهة برمجة تطبيقات التعرف على الصوت من OpenAI (/v1/audio/transcriptions)

معلمات الطلب

أي نموذج تختار

مثال

إنشاء ترجمة

الطابع الزمني على مستوى الكلمة

التحويل التدريجي

استخدام SDK الرسمي

الأسعار

ملاحظات

رموز الخطأ

​معلمات الطلب

​أي نموذج تختار

​مثال

​إنشاء ترجمة

​الطابع الزمني على مستوى الكلمة

​التحويل التدريجي

​استخدام SDK الرسمي

​الأسعار

​ملاحظات

​رموز الخطأ

معلمات الطلب

أي نموذج تختار

مثال

إنشاء ترجمة

الطابع الزمني على مستوى الكلمة

التحويل التدريجي

استخدام SDK الرسمي

الأسعار

ملاحظات

رموز الخطأ