语音识别
Transcriptions / Translations：上传音频或传公网地址，转成文字。
语音识别（Transcriptions）
把音频转成文字。两种传法：
multipart/form-data：model+file（音频文件）——与官方 SDK 一致；application/json：model+input（公网音频地址）。
支持的音频格式：mp3 / wav / m4a / aac / ogg / flac / pcm，单文件不超过 25MB。
上传的文件不落盘，就地转成 data URI 交给上游。
语音翻译（Translations）
端点 /audio/translations 与识别入参完全一致；上游多数并不区分二者，
是否翻译成英文由上游与模型决定，需要强制翻译时请选支持翻译的模型。
POST
/audio/transcriptions语音识别multipart 上传文件（model + file），或用 JSON 传公网地址（model + input）。
请求参数
| 参数 | 类型 | 必填 | 说明 | 默认值 |
|---|---|---|---|---|
model | string | 是 | 语音识别模型标识 | — |
file | file | 否 | 音频文件（multipart）；与 input 二选一 | — |
input | string | 否 | 公网音频地址（JSON）；与 file 二选一 | — |
请求示例
curl https://api.chenra.com/api/relay/v1/audio/transcriptions \
-H "Authorization: Bearer sk-你的密钥" \
-F "model=glm-asr" \
-F "file=@./sample.mp3"响应示例
{
"text": "今天的会议改到下午三点。",
"model": "glm-asr"
}错误码
| 错误码 | 说明 |
|---|---|
400 | 缺少 file / input，或音频格式不支持 / 超过 25MB |
404 | 模型不存在或未启用 |
分享这篇文档