Whisper-1

Whisper-1 將錄製的語音轉成文字。使用 /v1/audio/transcriptions 保留原語言，或以 /v1/audio/translations 產生英文。兩者皆透過 multipart/form-data 接收上傳檔案。SeedRouter 先傳回任務 ID；任務完成後，再下載選定的結果。這與 OpenAI SDK 的同步回應不同。

Playground 與即時價格 · 首次轉錄教學 · OpenAPI · Markdown

提交錄音

將 API 金鑰保存在伺服器端。讓 HTTP 用戶端產生 multipart boundary；不要手動設定缺少 boundary 的 Content-Type: multipart/form-data 標頭。

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'

這個回應表示已接受任務，並非已完成轉錄：

{
  "id": "task_example",
  "model": "whisper-1",
  "status": "processing",
  "created_at": 1792376116
}

保存實際傳回的 id。只提交一次。連線中斷不能確定請求是否已被接受；建立新請求前，請先檢查任務紀錄。

讀取結果

curl "https://api.seedrouter.ai/v1/tasks/$TASK_ID" \
  -H "Authorization: Bearer $SEEDROUTER_API_KEY"

當 status 為 processing 時持續輪詢。完成的任務包含 output.url 與 output.format；失敗的任務包含 error.code 與 error.message。輪詢逾時不是任務的終止狀態。只有任務擁有者可以讀取。以下範例說明回應結構：

{
  "id": "task_example",
  "model": "whisper-1",
  "status": "completed",
  "output": {
    "format": "verbose_json",
    "url": "https://static.seedrouter.ai/media/tasks/task_example/0.json"
  }
}

另以 GET 請求下載 output.url。JSON 結果以 JSON 讀取，其餘格式以文字讀取。公開任務回應不含價格或帳戶詳細資料。

轉錄參數

file 與 model 為必填。下列九個欄位構成共用請求介面，包含 file、model 以及明確忽略的 stream。chunking_strategy 仍存在相容性缺口，詳見下文。

VAD 物件包含必填 type: "server_vad"，選填整數 prefix_padding_ms（文件預設值 300）、選填整數 silence_duration_ms（文件預設值 200），以及範圍 0 到 1 的選填數字 threshold（文件預設值 0.5）。不強制套用文件未記載的整數範圍。省略的策略維持省略；這些物件預設值不代表請求預設採用 auto。

為相容 SDK，VAD 物件可編碼為一個 JSON multipart 部分，或使用 chunking_strategy[type]、chunking_strategy[prefix_padding_ms]、chunking_strategy[silence_duration_ms] 與 chunking_strategy[threshold]。不要混用兩種編碼。接受這些欄位結構，不代表 VAD 已能搭配此模型運作。

選填文字欄位應省略，不應傳送字面的 multipart 字串 null。未知欄位與不適用於模型的欄位會被捨棄。尤其是 diarized_json、說話者參考控制項、logprobs 與即時事件，都不是 Whisper-1 的功能。純量欄位重複無效。

檔案限制

文件記載的音訊格式為 FLAC、MP3、MP4、MPEG、MPGA、M4A、OGG、WAV 與 WebM。目前上傳上限為 26,214,400 位元組（25 MiB）。OpenAI Audio API 常見問題明定，舊版 Whisper-1 上傳的請求大小上限為 25 MiB；請讓檔案低於上限，為 multipart 欄位保留空間。檔案必須包含可讀取的音訊，且時長必須可測量並大於零。副檔名本身不能證明音訊有效。

本地沒有額外的一小時上限、固定取樣率要求，或僅限單聲道的限制。檔案大小仍可能使長錄音需要切割。請檢查分段錄音的銜接處，避免遺漏或重複語音。

翻譯成英文

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=0

翻譯有五個欄位：file、model、prompt、response_format 與 temperature，型別與範圍同上。選填提示詞應使用英文，無法選擇目標語言。此端點會捨棄 language、時間戳記設定、分塊設定與其他僅適用於轉錄的欄位。英文輸入的翻譯檢查成功，不能證明所有來源語言的準確性。

下載結果欄位

每個詞包含 word、start 與 end。每個片段包含 id、seek、start、end、text、tokens、temperature、avg_logprob、compression_ratio 與 no_speech_prob。start 與 end 單位為秒。片段不會標示說話者。結果可能包含僅限轉錄的常數 task: "transcribe"。翻譯結果省略僅限轉錄的 words 與 usage。音訊測量值和逐字稿文字不會為了模仿預期答案而被改寫。

計費

兩種操作都依輸入的實測時長計算。每段錄音的音訊計量單位為 round(ceil(seconds) × 1000 / 60)。將單位數乘以即時單位費率；這些單位不計算逐字稿文字。例如，15 秒為 250 單位，15.1 秒為 267 單位。頁面與 Playground 讀取同一即時費率。失敗的請求不收費。

驗證狀態

檢查日期為 2026 年 10 月 19 日。本地端對端測試完成全部五種轉錄輸出格式與一次 verbose_json 翻譯，包含任務擁有者下載結果，以及精確的帳戶扣款。一次轉錄成功同時要求詞級與片段級時間戳記。FLAC、OGG、M4A、MP4，以及不足一秒／含小數秒的 WAV 上傳，分別通過了實際相容性檢查。

明確指定 chunking_strategy=auto 遭到拒絕。涉及 WebM、MPEG 加 VAD、MPGA 加 stream=true 的三個提交案例未成功。這些失敗無法確認組合中的哪個設定造成拒絕。這些格式與選項仍未驗證；服務不會悄悄替換明確要求的策略。翻譯測試使用英文輸入，因此跨語言翻譯品質仍未測量。不要將接受 schema 視為每種組合都已通過實際測試的證明。

錯誤與復原

無效的檔案與參數組合會在建立任務前被拒絕。API 錯誤包含數字 code 與可閱讀的 message；請參閱錯誤代碼。接受請求後，請查詢任務的終止狀態。提交結果不確定時，先找到既有任務，再決定是否重新提交。失敗的任務不收費。

契約來源

• OpenAI 轉錄參考文件
• OpenAI 翻譯參考文件
• OpenAI 語音轉文字指南
• OpenAI Whisper 提示詞指南

OpenAI 已宣布，其自有 API 上的 Whisper 將於 2027 年 2 月 26 日關閉。這項公告不代表本服務的關閉日期。請參閱 OpenAI 淘汰公告。