API de reconnaissance vocale OpenAI (/v1/audio/transcriptions)

Transcrire l’audio en texte, entièrement compatible avec l’API /v1/audio/transcriptions d’OpenAI. Il suffit de pointer base_url vers https://api.acedata.cloud et de remplacer la clé par votre AceData Token pour utiliser n’importe quel SDK OpenAI. Prend en charge les réponses complètes ainsi que la transcription incrémentale SSE de gpt-transcribe.

URL de la requête : POST https://api.acedata.cloud/v1/audio/transcriptions (alias POST /openai/audio/transcriptions)
Authentification : En-tête de requête Authorization: Bearer {token}
Format de la requête : multipart/form-data
Facturation : Facturation selon la durée de l’audio (voir tableau ci-dessous), moins de 1 seconde facturé comme 1 seconde.

Paramètres de la requête

Champ	Type	Obligatoire	Description
`file`	fichier	Oui	Fichier audio à transcrire, maximum 25 Mo. Prend en charge `flac`, `mp3`, `mp4`, `mpeg`, `mpga`, `m4a`, `ogg`, `wav`, `webm`.
`model`	chaîne	Non	`whisper-1` (par défaut) ou `gpt-transcribe`, différences de capacité voir tableau ci-dessous.
`language`	chaîne	Non	Langue de l’audio, code ISO-639-1 (par exemple `zh`, `en`). Remplir peut améliorer la précision et la vitesse ; laisser vide pour une reconnaissance automatique.
`prompt`	chaîne	Non	Mot d’invite, utilisé pour guider le style d’écriture, ou fournir des noms propres, des termes pour améliorer la précision de la reconnaissance.
`response_format`	chaîne	Non	`whisper-1` : `json` (par défaut), `text`, `srt`, `verbose_json`, `vtt` ; `gpt-transcribe` : uniquement `json`, `text`.
`temperature`	nombre	Non	Température d’échantillonnage 0–1, par défaut 0.
`timestamp_granularities[]`	tableau	Non	Granularité des horodatages, `word` ou `segment`, doit être utilisé avec `response_format=verbose_json`.
`languages[]`	tableau	Non	Langues candidates (ISO-639-1), uniquement `gpt-transcribe`. Mutuellement exclusif avec `language`, ne pas transmettre simultanément.
`keywords[]`	tableau	Non	Indications de noms propres/termes, uniquement `gpt-transcribe`, peut considérablement améliorer la précision de la reconnaissance des noms de marque et des noms de personnes.
`stream`	booléen	Non	Lorsque `gpt-transcribe` est défini sur `true`, renvoie des événements incrémentaux SSE ; `whisper-1` ignorera ce paramètre et renverra le résultat complet (comportement conforme à celui d’OpenAI).

Quel modèle choisir

	`whisper-1`	`gpt-transcribe`
Prix	0,0078 $ / minute	0,0059 $ / minute (moins cher)
Précision de reconnaissance	Bonne	Meilleure, surtout pour les noms de marque et les noms propres
Sortie de sous-titres (`srt`/`vtt`)	✅	❌
Horodatages au niveau des mots	✅	❌
`languages[]` / `keywords[]`	❌	✅
Retour de la langue détectée	Nécessite `verbose_json`	Retour par défaut
Retour incrémental SSE	❌ (le `stream` est ignoré)	✅

Besoin de sous-titres ou d’horodatages au niveau des mots → whisper-1 ; pour les autres scénarios, recommandez gpt-transcribe (plus précis et moins cher).

Exemple

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

Retour :

{
  "text": "La plateforme Ace Data Cloud teste le point de terminaison de reconnaissance vocale. Le rapide renard brun saute par-dessus le chien paresseux."
}

L’audio en chinois est également pris en charge, sans besoin de spécifier la langue :

{
  "text": "Bienvenue sur la plateforme AceData Cloud, nous testons l'interface de reconnaissance vocale, aujourd'hui c'est le 31 juillet."
}

Générer des sous-titres

Définissez response_format sur srt ou vtt pour obtenir directement un fichier de sous-titres utilisable :

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

Contenu retourné (Content-Type: text/plain) :

1
00:00:00,000 --> 00:00:03,800
La plateforme Ace Data Cloud teste le point de terminaison de reconnaissance vocale.

2
00:00:03,800 --> 00:00:06,280
Le rapide renard brun saute par-dessus le chien paresseux.

Horodatages au niveau des mots

Pour obtenir le temps de début et de fin de chaque mot, utilisez verbose_json avec 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'

Retour :

{
  "task": "transcribe",
  "language": "english",
  "duration": 6.29,
  "text": "La plateforme Ace Data Cloud teste le point de terminaison de reconnaissance vocale. Le rapide renard brun saute par-dessus le chien paresseux.",
  "words": [
    {
      "word": "La",
      "start": 0.0,
      "end": 0.32
    },
    {
      "word": "plateforme",
      "start": 0.32,
      "end": 0.54
    },
    {
      "word": "Ace",
      "start": 0.54,
      "end": 0.86
    }
  ]
}

Transcription en continu

gpt-transcribe peut renvoyer Content-Type: text/event-stream via stream=true. Le service enverra des événements compatibles avec OpenAI : transcript.text.delta contient le texte incrémental, transcript.text.done contient le texte complet et usage et indique une fin normale.

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

Exemple de flux d’événements :

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

data: {"type":"transcript.text.done","text":"Bonjour le monde","usage":{"type":"tokens","input_tokens":14,"output_tokens":3,"total_tokens":17}}

La réception de transcript.text.done indique une fin normale. Si le traitement échoue après l’établissement du flux, la connexion se terminera après l’événement event: error ; une déconnexion active du client annulera le traitement en cours, sans continuer à générer en arrière-plan. whisper-1, même avec stream=true, renverra toujours une réponse normale non en continu.

Utiliser le SDK officiel

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)

Prix

Modèle	Prix sur cette plateforme
`whisper-1`	0,0078 $ / minute
`gpt-transcribe`	0,0059 $ / minute

Facturation selon la durée réelle de l’audio, toute durée inférieure à 1 seconde est facturée comme 1 seconde, la durée maximale par demande est plafonnée à 1 heure.

Remarques

Taille maximale d’un fichier 25 Mo. Si cela dépasse, veuillez d’abord le diviser ou le compresser (réduire le débit binaire suffit généralement, la reconnaissance vocale n’exige pas une qualité sonore élevée).
gpt-transcribe prend en charge stream=true SSE ; whisper-1 ignorera stream et renverra le résultat complet.
Les paramètres sont conformes à ceux de l’API officielle d’OpenAI /v1/audio/transcriptions, le SDK officiel nécessite simplement de modifier base_url pour être utilisé.
include[], chunking_strategy, known_speaker_names[], known_speaker_references[] appartiennent à des modèles de transcription que nous n’avons pas encore lancés, leur transmission renverra 400 au lieu d’être silencieusement ignorée. Les paramètres spécifiques au modèle (timestamp_granularities[] pour whisper-1, languages[]/keywords[] pour gpt-transcribe) renverront également 400 s’ils sont transmis à un modèle non pris en charge.
Les requêtes peuvent prendre du temps, il est conseillé de définir un délai d’attente client d’au moins 300 secondes.

Codes d’erreur

Code d’état	code	Description
400	`bad_request`	`file` non fourni, fichier non analysable, ou paramètres illégaux (`model`/`response_format` valeurs non prises en charge, `temperature` hors de 0–1, `timestamp_granularities[]` non associé à `verbose_json`, paramètres non pris en charge pour `whisper-1` transmis).
401	`authentication_failed`	Token invalide.
403	`used_up`	Solde insuffisant.
413	`request_too_large`	Fichier audio dépassant la limite de 25 Mo.
429	`too_many_requests`	Trop de requêtes, veuillez réessayer plus tard.
500	`api_error`	Erreur interne du service, veuillez réessayer plus tard.

Démarrage

Chat IA

Image IA

Vidéo IA

Audio IA

Web & Données

CAPTCHA

Identité

Coding

Autres guides

API de reconnaissance vocale OpenAI (/v1/audio/transcriptions)

Paramètres de la requête

Quel modèle choisir

Exemple

Générer des sous-titres

Horodatages au niveau des mots

Transcription en continu

Utiliser le SDK officiel

Prix

Remarques

Codes d’erreur

​Paramètres de la requête

​Quel modèle choisir

​Exemple

​Générer des sous-titres

​Horodatages au niveau des mots

​Transcription en continu

​Utiliser le SDK officiel

​Prix

​Remarques

​Codes d’erreur

Paramètres de la requête

Quel modèle choisir

Exemple

Générer des sous-titres

Horodatages au niveau des mots

Transcription en continu

Utiliser le SDK officiel

Prix

Remarques

Codes d’erreur