Model APIs
Whisper-1
Gửi tệp âm thanh để phiên âm hoặc dịch sang tiếng Anh, kiểm tra tác vụ rồi tải văn bản, JSON hoặc phụ đề.
Whisper-1 chuyển giọng nói đã ghi thành văn bản. Dùng /v1/audio/transcriptions để giữ ngôn ngữ được nói hoặc /v1/audio/translations để tạo tiếng Anh. Cả hai nhận multipart/form-data với tệp tải lên. SeedRouter trả ID tác vụ trước; bạn tải kết quả đã chọn khi tác vụ hoàn tất. Cách này khác với phản hồi đồng bộ của OpenAI SDK.
Playground và giá trực tiếp · Hướng dẫn phiên âm đầu tiên · OpenAPI · Markdown
Gửi bản ghi
Giữ khóa API trên máy chủ. Để HTTP client tạo multipart boundary; không tự đặt tiêu đề Content-Type: multipart/form-data mà thiếu boundary.
curl https://api.seedrouter.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $SEEDROUTER_API_KEY" \
-F model=whisper-1 \
-F [email protected] \
-F language=en \
-F response_format=verbose_json \
-F 'timestamp_granularities[]=word' \
-F 'timestamp_granularities[]=segment'Phản hồi xác nhận một tác vụ, không phải bản phiên âm đã hoàn tất:
{
"id": "task_example",
"model": "whisper-1",
"status": "processing",
"created_at": 1792376116
}Lưu id thực tế được trả về. Chỉ gửi một lần. Mất kết nối không cho biết yêu cầu đã được chấp nhận hay chưa; hãy kiểm tra lịch sử tác vụ trước khi tạo yêu cầu mới.
Đọc kết quả
curl "https://api.seedrouter.ai/v1/tasks/$TASK_ID" \
-H "Authorization: Bearer $SEEDROUTER_API_KEY"Tiếp tục kiểm tra khi status là processing. Tác vụ hoàn tất có output.url và output.format; tác vụ thất bại có error.code và error.message. Hết thời gian chờ khi kiểm tra không phải trạng thái kết thúc của tác vụ. Chỉ chủ sở hữu tác vụ có thể đọc nó. Các ví dụ dưới đây minh họa cấu trúc phản hồi:
{
"id": "task_example",
"model": "whisper-1",
"status": "completed",
"output": {
"format": "verbose_json",
"url": "https://static.seedrouter.ai/media/tasks/task_example/0.json"
}
}Tải output.url bằng một yêu cầu GET riêng. Đọc tệp kết quả JSON dưới dạng JSON và các định dạng khác dưới dạng văn bản. Phản hồi tác vụ công khai không có giá hay thông tin tài khoản.
Tham số phiên âm
file và model là bắt buộc. Chín trường dưới đây tạo thành bề mặt yêu cầu dùng chung, bao gồm file, model và stream được xác định rõ là bị bỏ qua. chunking_strategy vẫn là điểm chưa giải quyết về tương thích, như giải thích bên dưới.
| Trường | Kiểu | Mặc định | Hợp đồng |
|---|---|---|---|
file | Tải tệp nhị phân | Bắt buộc | Một tệp âm thanh không rỗng, không phải URL hoặc chuỗi tên tệp. Xem giới hạn tệp. |
model | Chuỗi | Bắt buộc | Chính xác là whisper-1. |
language | Chuỗi | Tự động phát hiện | Gợi ý ngôn ngữ đầu vào, chẳng hạn en. Không áp dụng danh sách ngôn ngữ cho phép cục bộ. Bỏ qua để tự phát hiện. |
prompt | Chuỗi | Bỏ qua | Ngữ cảnh, cách viết hoặc phần tiếp nối bằng ngôn ngữ âm thanh. Không tự đặt giới hạn ký tự; Whisper dùng 224 token cuối theo bộ tách token riêng. Đây không phải prompt chỉ dẫn tổng quát. |
response_format | Chuỗi | json | json, text, srt, verbose_json hoặc vtt. |
temperature | Số | 0 | Khoảng 0–1, gồm hai đầu. Giá trị 0 cho phép mô hình tự điều chỉnh nhiệt độ; không đảm bảo văn bản có tính xác định. |
timestamp_granularities[] | Chuỗi lặp lại | Dấu thời gian theo đoạn khi áp dụng | word, segment hoặc cả hai. Yêu cầu response_format=verbose_json. Cũng chấp nhận tên trường lặp không có ngoặc timestamp_granularities. |
chunking_strategy | auto, đối tượng VAD hoặc null | Bỏ qua | Trường schema âm thanh dùng chung, chưa xác định khả năng áp dụng cho Whisper. Bỏ qua để dùng luồng đã kiểm chứng. Chỉ định rõ auto đã thất bại trong kiểm chứng tương thích thực tế. |
stream | Boolean hoặc null | false | Bị bỏ qua với Whisper-1. Không tạo SSE hoặc bản phiên âm từng phần. |
Đối tượng VAD có type: "server_vad" bắt buộc, số nguyên prefix_padding_ms tùy chọn (mặc định theo tài liệu là 300), số nguyên silence_duration_ms tùy chọn (mặc định theo tài liệu là 200), và số threshold tùy chọn từ 0 đến 1 (mặc định theo tài liệu là 0.5). Không áp đặt khoảng số nguyên không có trong tài liệu. Chiến lược bị bỏ qua vẫn được giữ là bỏ qua; các giá trị mặc định của đối tượng không khiến auto trở thành mặc định của yêu cầu.
Để tương thích SDK, đối tượng VAD có thể được mã hóa trong một phần multipart JSON hoặc dưới dạng chunking_strategy[type], chunking_strategy[prefix_padding_ms], chunking_strategy[silence_duration_ms] và chunking_strategy[threshold]. Không trộn hai cách mã hóa. Chấp nhận cấu trúc các trường này không chứng minh VAD hoạt động với mô hình này.
Các trường văn bản tùy chọn dùng cách bỏ qua, không dùng chuỗi multipart nguyên văn null. Trường không biết hoặc không áp dụng cho mô hình sẽ bị loại bỏ. Đặc biệt, diarized_json, điều khiển tham chiếu người nói, logprobs và sự kiện thời gian thực không phải tính năng Whisper-1. Trường vô hướng bị lặp là không hợp lệ.
Giới hạn tệp
Các định dạng âm thanh trong tài liệu là FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV và WebM. Giới hạn tải lên hiện tại là 26,214,400 byte (25 MiB). FAQ Audio API của OpenAI quy định kích thước yêu cầu tối đa 25 MiB cho tải lên Whisper-1 cũ; giữ tệp dưới giới hạn để chừa chỗ cho các trường multipart. Tệp phải có âm thanh đọc được và thời lượng dương, đo được. Chỉ phần mở rộng không chứng minh âm thanh hợp lệ.
Không có thêm giới hạn một giờ cục bộ, yêu cầu tần số lấy mẫu cố định hay hạn chế chỉ dùng mono. Kích thước tệp vẫn có thể buộc bạn chia bản ghi dài. Kiểm tra chỗ nối giữa các bản ghi đã chia để tránh bỏ sót hoặc lặp giọng nói.
Dịch sang tiếng Anh
curl https://api.seedrouter.ai/v1/audio/translations \
-H "Authorization: Bearer $SEEDROUTER_API_KEY" \
-F model=whisper-1 \
-F [email protected] \
-F response_format=text \
-F temperature=0Dịch có năm trường: file, model, prompt, response_format và temperature, cùng kiểu và giới hạn như trên. Prompt tùy chọn nên bằng tiếng Anh. Không có lựa chọn ngôn ngữ đích. language, điều khiển dấu thời gian, điều khiển chia đoạn và các trường chỉ dùng để phiên âm bị loại bỏ tại điểm cuối này. Kiểm tra dịch với đầu vào tiếng Anh thành công không chứng minh độ chính xác cho mọi ngôn ngữ gốc.
Trường trong tệp kết quả tải xuống
| Định dạng | Nội dung |
|---|---|
json | Đối tượng có text. Phiên âm cũng có thể gồm usage: {type: "duration", seconds: number}. |
text | Bản phiên âm thuần văn bản. |
srt | Các mục phụ đề được đánh số với mã thời gian SRT. |
vtt | Phụ đề WebVTT. |
verbose_json | text, language và duration tính bằng giây; segments tùy chọn và, với phiên âm, words cùng usage thời lượng. |
Mỗi từ có word, start và end. Mỗi đoạn có id, seek, start, end, text, tokens, temperature, avg_logprob, compression_ratio và no_speech_prob. start và end tính bằng giây. Các đoạn không xác định người nói. Hằng số chỉ dành cho phiên âm task: "transcribe" có thể xuất hiện. Tệp dịch bỏ qua words và usage chỉ dành cho phiên âm. Không viết lại số đo âm thanh và văn bản phiên âm để giống đáp án mong đợi.
Tính phí
Cả hai thao tác dùng thời lượng đầu vào đo được. Với mỗi bản ghi, đơn vị đo âm thanh bằng round(ceil(seconds) × 1000 / 60). Nhân số đơn vị này với đơn giá trực tiếp; đây không phải đơn vị đếm văn bản phiên âm. Ví dụ, 15 giây tạo 250 đơn vị, còn 15,1 giây tạo 267. Trang và Playground đọc cùng mức giá trực tiếp. Yêu cầu thất bại không bị tính phí.
Tình trạng kiểm chứng
Kiểm tra ngày 19 tháng 10 năm 2026. Kiểm thử đầu cuối cục bộ đã hoàn thành cả năm định dạng đầu ra phiên âm và một bản dịch verbose_json, gồm chủ sở hữu tải kết quả và đối chiếu khoản trừ tài khoản chính xác. Một yêu cầu phiên âm đã lấy thành công cả dấu thời gian từ và đoạn. Các tệp tải lên FLAC, OGG, M4A, MP4 và WAV dưới một giây/có phần lẻ giây đã vượt qua các kiểm tra tương thích thực tế riêng.
Chỉ định rõ chunking_strategy=auto bị từ chối. Ba trường hợp đã gửi liên quan đến WebM, MPEG kết hợp VAD, và MPGA kết hợp stream=true không thành công. Các thất bại này không xác định được cài đặt nào trong tổ hợp gây từ chối. Những định dạng và tùy chọn đó vẫn chưa được kiểm chứng; dịch vụ không âm thầm thay chiến lược được yêu cầu rõ ràng. Kiểm tra dịch dùng đầu vào tiếng Anh nên chất lượng dịch giữa các ngôn ngữ vẫn chưa được đo. Không xem việc chấp nhận schema là bằng chứng mọi tổ hợp đã qua kiểm tra thực tế.
Lỗi và khôi phục
Tổ hợp tệp và tham số không hợp lệ bị từ chối trước khi tạo tác vụ. Lỗi API có code dạng số và message dễ đọc; xem mã lỗi. Sau khi được chấp nhận, kiểm tra trạng thái kết thúc của tác vụ. Nếu kết quả gửi không rõ, tìm tác vụ hiện có trước khi gửi lại. Tác vụ thất bại không bị tính phí.
Nguồn hợp đồng
- Tài liệu tham khảo phiên âm OpenAI
- Tài liệu tham khảo dịch OpenAI
- Hướng dẫn chuyển giọng nói thành văn bản OpenAI
- Hướng dẫn prompt Whisper của OpenAI
OpenAI đã công bố ngày ngừng Whisper trên API riêng của họ là 26 tháng 2 năm 2027. Thông báo đó không xác định ngày ngừng của dịch vụ này. Xem thông báo ngừng hỗ trợ OpenAI.