API di riconoscimento vocale OpenAI (/v1/audio/transcriptions)

Trascrivi audio in testo, completamente compatibile con OpenAI /v1/audio/transcriptions. Qualsiasi SDK OpenAI deve semplicemente puntare base_url a https://api.acedata.cloud e sostituire la chiave con il tuo AceData Token per essere utilizzato direttamente. Supporta risposte complete e anche la trascrizione incrementale SSE di gpt-transcribe.

URL della richiesta: POST https://api.acedata.cloud/v1/audio/transcriptions (alias POST /openai/audio/transcriptions)
Autenticazione: intestazione della richiesta Authorization: Bearer {token}
Formato della richiesta: multipart/form-data
Fatturazione: fatturato in base alla durata dell’audio (vedi tabella sottostante), meno di 1 secondo fatturato come 1 secondo.

Parametri della richiesta

Campo	Tipo	Obbligatorio	Descrizione
`file`	file	Sì	File audio da trascrivere, massimo 25 MB. Supporta `flac`, `mp3`, `mp4`, `mpeg`, `mpga`, `m4a`, `ogg`, `wav`, `webm`.
`model`	string	No	`whisper-1` (predefinito) o `gpt-transcribe`, differenze di capacità vedono la tabella sottostante.
`language`	string	No	Lingua dell’audio, codice ISO-639-1 (es. `zh`, `en`). Compilarlo può migliorare accuratezza e velocità; lasciarlo vuoto per riconoscimento automatico.
`prompt`	string	No	Parola chiave per guidare lo stile di scrittura o fornire nomi propri, termini per migliorare l’accuratezza del riconoscimento.
`response_format`	string	No	`whisper-1`: `json` (predefinito), `text`, `srt`, `verbose_json`, `vtt`; `gpt-transcribe`: solo `json`, `text`.
`temperature`	number	No	Temperatura di campionamento 0–1, predefinita 0.
`timestamp_granularities[]`	array	No	Granularità del timestamp, `word` o `segment`, deve essere utilizzato con `response_format=verbose_json`.
`languages[]`	array	No	Lingue candidate (ISO-639-1), solo `gpt-transcribe`. Incompatibile con `language`, non inviare entrambi.
`keywords[]`	array	No	Suggerimenti per nomi propri/termini, solo `gpt-transcribe`, può migliorare significativamente l’accuratezza del riconoscimento di nomi di marchi e persone.
`stream`	boolean	No	Se `gpt-transcribe` è impostato su `true`, restituisce eventi incrementali SSE; `whisper-1` ignorerà questo parametro e restituirà risultati completi (comportamento coerente con quello ufficiale di OpenAI).

Quale modello scegliere

	`whisper-1`	`gpt-transcribe`
Prezzo	$0.0078 / minuto	$0.0059 / minuto (più economico)
Accuratezza del riconoscimento	Buona	Migliore, soprattutto per nomi di marchi e nomi propri
Uscita sottotitoli (`srt`/`vtt`)	✅	❌
Timestamp a livello di parola	✅	❌
`languages[]` / `keywords[]`	❌	✅
Restituisce lingua rilevata	Necessita `verbose_json`	Restituisce per default
Restituzione incrementale SSE	❌ (ignora `stream`)	✅

Hai bisogno di sottotitoli o timestamp a livello di parola → whisper-1; per altri scenari si consiglia gpt-transcribe (più preciso e più economico).

Esempio

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

Risposta:

{
  "text": "Ace Data Cloud Platform is testing the speech recognition endpoint. The quick brown fox jumps over the lazy dog."
}

L’audio in cinese è supportato senza dover specificare la lingua:

{
  "text": "欢迎使用 AceData Cloud 平台,我们正在测试语音识别接口,今天是 7 月 31 号。"
}

Generazione di sottotitoli

Imposta response_format su srt o vtt per ottenere direttamente un file di sottotitoli utilizzabile:

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

Contenuto restituito (Content-Type: text/plain):

1
00:00:00,000 --> 00:00:03,800
Ace Data Cloud Platform is testing the speech recognition endpoint.

2
00:00:03,800 --> 00:00:06,280
The quick brown fox jumps over the lazy dog.

Timestamp a livello di parola

Se hai bisogno dei tempi di inizio e fine di ogni parola, utilizza verbose_json insieme a 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'

Risposta:

{
  "task": "transcribe",
  "language": "english",
  "duration": 6.29,
  "text": "Ace Data Cloud Platform is testing the speech recognition endpoint. The quick brown fox jumps over the lazy dog.",
  "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
    }
  ]
}

Trascrizione in streaming

gpt-transcribe può restituire Content-Type: text/event-stream tramite stream=true. Il servizio invierà eventi compatibili con OpenAI: transcript.text.delta porta il testo incrementale, transcript.text.done porta il testo completo e usage e indica il completamento 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

Esempio di flusso di eventi:

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

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

Ricevere transcript.text.done indica che il completamento è avvenuto correttamente. Se si verifica un errore dopo l’instaurazione del flusso, la connessione terminerà dopo l’evento event: error; se il client si disconnette attivamente, il processo verrà annullato e non continuerà a generare in background. whisper-1, anche se si passa stream=true, restituirà comunque una risposta normale non in streaming.

Utilizzo dell’SDK ufficiale

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)

Prezzi

Modello	Prezzo sulla piattaforma
`whisper-1`	$0.0078 / minuto
`gpt-transcribe`	$0.0059 / minuto

La fatturazione è basata sulla durata effettiva dell’audio, con un minimo di 1 secondo per durate inferiori a 1 secondo, e un massimo di 1 ora per singola richiesta.

Note

La dimensione massima di un singolo file è 25 MB. Se supera, si prega di suddividere o comprimere (ridurre il bitrate di solito è sufficiente, il riconoscimento vocale non richiede alta qualità audio).
gpt-transcribe supporta stream=true SSE; whisper-1 ignorerà stream e restituirà il risultato completo.
I parametri sono coerenti con l’API ufficiale di OpenAI /v1/audio/transcriptions, l’SDK ufficiale richiede solo di modificare base_url per essere utilizzato.
include[], chunking_strategy, known_speaker_names[], known_speaker_references[] appartengono a modelli di trascrizione non ancora disponibili, l’invio restituirà 400 invece di essere silenziosamente ignorato. I parametri specifici del modello (timestamp_granularities[] per whisper-1, languages[]/keywords[] per gpt-transcribe) restituiranno anch’essi 400 se inviati a modelli non supportati.
Le richieste possono richiedere tempo, si consiglia di impostare un timeout del client non inferiore a 300 secondi.

Codici di errore

Stato	codice	Descrizione
400	`bad_request`	`file` non fornito, file non può essere elaborato, o parametri non validi (`model`/`response_format` valori non supportati, `temperature` oltre 0–1, `timestamp_granularities[]` non abbinato a `verbose_json`, parametri non supportati per `whisper-1`).
401	`authentication_failed`	token non valido.
403	`used_up`	Saldo insufficiente.
413	`request_too_large`	Il file audio supera il limite di 25 MB.
429	`too_many_requests`	Richieste troppo frequenti, si prega di riprovare più tardi.
500	`api_error`	Errore interno del servizio, si prega di riprovare più tardi.

Inizia

Chat AI

Immagine AI

Video AI

Audio AI

Web e Dati

CAPTCHA

Identità

Coding

Altre guide

API di riconoscimento vocale OpenAI (/v1/audio/transcriptions)

Parametri della richiesta

Quale modello scegliere

Esempio

Generazione di sottotitoli

Timestamp a livello di parola

Trascrizione in streaming

Utilizzo dell’SDK ufficiale

Prezzi

Note

Codici di errore

​Parametri della richiesta

​Quale modello scegliere

​Esempio

​Generazione di sottotitoli

​Timestamp a livello di parola

​Trascrizione in streaming

​Utilizzo dell’SDK ufficiale

​Prezzi

​Note

​Codici di errore

Parametri della richiesta

Quale modello scegliere

Esempio

Generazione di sottotitoli

Timestamp a livello di parola

Trascrizione in streaming

Utilizzo dell’SDK ufficiale

Prezzi

Note

Codici di errore