语音翻译
OpenAI Audio Translations 兼容接口,将非英文语音直接转成英文文本。
请求格式
使用 multipart/form-data 上传音频文件。必须包含 file 和 model,按需要设置 prompt 与 response_format。
与转写接口的区别
/v1/audio/transcriptions 返回原语言文本;/v1/audio/translations 返回英文文本。国际会议、访谈、课程和英文检索分析流程常会用到这个接口。
读取结果
默认返回 JSON。需要纯文本或字幕时设置 response_format。如果要同时保留原文和英文译文,分别调用转写和翻译接口。
Authorizations
在请求头中传入:Authorization: Bearer sk-...
Body
音频转写或翻译请求。使用 multipart/form-data 上传音频文件,并按模型说明选择输出格式、语言提示和其他扩展字段。
要提交的音频文件。常见格式包括 mp3、mp4、mpeg、mpga、m4a、wav、webm;具体限制以模型为准。
音频转写或翻译模型 ID,例如 whisper-1 或兼容模型。
音频语言,使用 ISO-639-1 两位代码,例如 zh、en、ja。不传时由模型自动识别。
提示词。填写专有名词、人名、产品名或上下文,用来减少术语误写。
输出格式。json 供程序读取;text 只返回纯文本;srt/vtt 生成字幕;verbose_json 通常包含更详细的分段或时间信息。
json, text, srt, verbose_json, vtt 采样温度。低值输出更确定,高值输出更自由;音频转写一般保持默认。
Response
翻译结果
The response is of type object.