云雾API 接口对接
首页立即登录立即注册令牌管理余额管理
首页立即登录立即注册令牌管理余额管理
  1. Python配置方式
  • 引言
  • 在线调试说明
  • 发出请求
  • 中转站基本介绍
    • API 快速开始指南
    • 联系客服
    • 分组详细表格
    • 分组的特殊性及价格差异
    • 如何新建指定分组的令牌
    • 代理接口调用地址
    • API Key 额度查询服务
    • 免费AI聊天项目导航
  • Chat模型
    • ChatGpt 接口
      • ChatGPT音频（Audio）
        • GPT-4O-audio
        • 创建语音
        • 创建转录
        • 创建翻译
      • ChatGPT聊天（Chat）
        • 聊天完成对象
        • 聊天完成块对象
        • 创建聊天补全 （流式）
        • 创建聊天补全 （非流）
        • 创建聊天识图 （流式）
        • 创建聊天识图 （流式） best64
        • 创建聊天识图 （非流）
        • 创建聊天创作图 （非流）
        • 官方Function calling调用
        • 官方N测试
        • 列出模型
        • 创建聊天函数调用 (只能非流)
        • 创建结构化输出
      • ChatGPT自动补全（Completions）
        • 完成对象
        • 创建完成
      • ChatGPT嵌入（Embeddings）
        • 嵌入对象
        • 创建嵌入
    • Anthropic Claude 接口
      • 聊天完成对象
      • 聊天完成块对象
      • 创建聊天补全 （流式） [原生格式]
      • 创建聊天补全 （流式）
      • 创建聊天补全 （非流）
      • 创建聊天识图 （流式）
      • 创建聊天识图 （非流）
    • 谷歌Gemini
      • gemini图片创作接口
      • 聊天接口
      • 识图接口
  • 文生图模型
    • README
    • 图像对象
    • MJ绘画
      • 上传图片
      • 提交Imagine任务
      • 根据任务ID 查询任务状态
      • 根据ID列表查询任务
      • 获取任务图片的seed
      • 执行Action动作
      • 提交Blend任务
      • 提交Describe任务
      • 提交Shorten任务
      • 提交Modal
      • 提交swap_face任务
    • ideogram 绘画
      • ideogram（文生图）
      • Remix（混合图）
      • Upscale（放大高清）
      • Describe（描述）
    • 没用的
      • 创建图片编辑
      • recraftv3
      • 创建图像变体
    • DALL·E 3
    • Flux（OpenAI dall-e-3格式）
    • Stable-Diffusion
    • ideogram
  • 文生视频模型
    • luma 视频生成
      • 官方API格式
        • 提交生成视频任务
        • 扩展视频
      • 查询任务
        • 查询单个任务
        • 批量获取任务
    • 快手可灵
      • Callback协议
      • 图像生成
      • 文生视频
      • 图生视频
      • 查询任务(免费)
    • Runway 视频生成
      • 提交视频生成任务
      • 查询视频任务(免费)
      • 提交视频生成任务-chat格式
  • GPTs 相关
    • gpt-4-all（分析图片）
    • gpt-4-all（生成图片）
    • GPTs对话
  • 文生音乐 Suno
    • 说明
    • 参数
    • 任务提交
      • 生成歌曲(灵感、自定义、续写)
      • 生成歌词
      • 歌曲拼接
    • 查询接口
      • 批量获取任务
      • 查询单个任务
  • 系统API
    • 获取令牌列表
    • 新增令牌
  • Python配置方式
    • python openai官方库（使用AutoGPT，langchain等）
    • python 连续对话
    • python 使用 语音转文本
    • python 使用文本转语音
    • python 使用Embeddings 向量化
    • python 调用DALL·E
    • python简单调用 openai function-calling demo
    • python 简单langchain 调用openai demo
    • python llama_index 配置
    • Python使用gpt-4o识别图片-本地图片
    • python 库流式输出
    • gpt realtime模型调用
    • python request 请求 流式输出demo
    • Python基础对话
    • Python使用gpt-4o识别图片
    • Python使用Claude识别图片
  • nodejs 配置方式
    • nodejs 基础对话
  • 各种插件/软件使用教程
    • Cherry Studio配置教程
    • dify添加模型
    • cline 配置教程
    • CLAUDE DEV 配置教程
    • chatgpt-on-wechat 配置教程
    • 沉浸式翻译 设置gpt翻译
    • nextchat 设置教程
    • aider 配置教程
    • Cursor 配置教程
    • lobechat 设置教程
    • chatgpt GPT Academic 学术优化配置gpt教程
    • zotero gpt 配置方法
    • 浏览器插件ChatGPT Sidebar
    • ChatBox(推荐使用)
    • 开源gpt_academic
  • 帮助中心
    • AI返回字段: 思考相关
    • HTTP状态码及其含义
  1. Python配置方式

python 使用 语音转文本

语音转文本 API 指南#

概述#

音频 API 提供两个主要端点：
📝 transcriptions：音频转文本
🔄 translations：音频翻译为英文

支持格式#

📁 文件大小：最大25 MB
🎵 支持格式：mp3、mp4、mpeg、mpg、m4a、wav、webm

使用方法#

1. 转录（Transcription）#

将音频转换为原语言文本

2. 翻译（Translation）#

将任意语言音频转换为英文文本

3. 时间戳功能#

4. 处理大文件#

使用 PyDub 分割大于25MB的文件：

优化建议#

提示（Prompts）使用技巧#

1.
🔍 用于纠正特定词汇识别
2.
📜 保持上下文连贯性
3.
✍️ 控制标点符号输出
4.
🗣️ 保留填充词
5.
📝 控制输出文字样式（如中文简繁体）

支持语言#

支持98种语言，包括：
主要亚洲语言：中文、日语、韩语等
欧洲语言：英语、法语、德语等
其他地区语言：阿拉伯语、印地语等
注意：仅列出词错误率(WER)低于50%的语言，其他语言虽支持但质量可能较低
修改于 2024-12-03 11:27:55
上一页
python 连续对话
下一页
python 使用文本转语音
Built with