Whisper-1 — 將錄音轉成文字
將錄音整理成可搜尋的文字或字幕。使用自己的音訊試用 Whisper-1，依照接下來的用途選擇輸出格式。
- 轉錄
- 翻譯成英文
- 詞級時間戳記
- 字幕檔
用一段錄音試用 Whisper-1
先從短音檔開始。發布字幕前，請對照錄音校對逐字稿。
選擇 Whisper-1 輸出格式
同一段錄音可用於不同工作流程。以下僅為格式示意，不是轉錄準確率評測。
Welcome to the recording.閱讀並編輯純文字逐字稿。
{ "word": "Welcome",
"start": 0.0, "end": 0.5 }在錄音中找出某個詞或一段內容。
1
00:00:00,000 --> 00:00:02,000
Welcome to the recording.將帶時間資訊的字幕匯入影片編輯器。
Whisper-1 價格
依目前的 Whisper-1 費率，為成功轉錄的音訊付費。
音訊秒數先無條件進位，再換算為計費單位。未滿一秒的部分也可能影響最終費用。逐字稿長度不影響價格。
| 模型 | 計量方式 | 費率 | 單位 |
|---|---|---|---|
| Whisper-1 | 一分鐘對應 1,000 個依時長計算的單位，並非詞數或文字 token。 | US$36.00 | 每百萬音訊計量單位 |
失敗的 Whisper-1 請求不收費。
Whisper-1 是什麼？
Whisper-1 是 OpenAI 的語音辨識模型，能將錄音轉成文字。讓訪談內容可搜尋、準備字幕，或將口述素材納入文字工作流程。
Whisper-1 可保留原語言，也可將語音翻譯成英文。依需求選擇可閱讀的文字或附時間資訊的輸出。
錄音檔案 · 多語言轉錄 · 翻譯成英文
請在 model 欄位使用這個完整 ID。
使用 Whisper-1 的兩種方式
整合到你的應用程式
上傳檔案、保存任務 ID，再取得逐字稿。請在應用程式中明確指定 Whisper-1。
- 1選擇錄音與參數。
- 2提交一次並保存任務 ID。
- 3下載並校對逐字稿。
與你的程式開發 agent 協作
向 agent 提供音訊路徑與 Whisper-1 文件。確認請求與預估費用後，再保存選定的輸出。
- 1複製這段整合提示詞。
- 2提供音訊檔案並核准請求。
- 3檢查已保存的結果。
將 Whisper-1 逐字稿用於實際工作
方便閱讀的筆記
將訪談和語音備忘錄轉成可搜尋的初稿。引用前，先核對輸出中的姓名與專業術語。
可匯入編輯器的字幕
以 SRT 或 VTT 將字幕匯入編輯器。依畫面調整斷行與時間。
找出每個詞的位置
透過詞級時間戳記定位詞句。需要精準剪輯時，請對照音訊檢查是否對齊。
Whisper-1 的應用情境
訪談校對
在逐字稿中搜尋主題，再回聽錄音確認引文。
課程準備
轉錄自己的課程。分享給學習者前，修正術語並整理分段。
英文工作稿
將錄音翻譯成英文，方便協作者閱讀。保留音訊以供核對。
四步開始使用 Whisper-1
- 01
選擇錄音
使用支援的格式，且檔案大小不得超過上限。清楚簡短的片段，更方便核對首次 Whisper-1 結果。
- 02
選擇輸出
保留原語言或翻譯成英文。選擇文字、附時間資訊的 JSON 或字幕。
- 03
提交一次
保存任務 ID，持續查詢直到完成。狀態查詢較慢，不代表需要重新提交。
- 04
校對並下載
對照錄音檢查 Whisper-1 結果。發布前修正姓名、數字與引文。
為應用程式加入轉錄功能
以 multipart 表單上傳檔案，再查詢傳回的任務 ID。Whisper-1 文件列出所有欄位、輸出格式與請求範例。
curl https://api.seedrouter.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $SEEDROUTER_API_KEY" \
-F model=whisper-1 \
-F [email protected] \
-F response_format=verbose_json \
-F 'timestamp_granularities[]=word'curl "https://api.seedrouter.ai/v1/tasks/$TASK_ID" \
-H "Authorization: Bearer $SEEDROUTER_API_KEY"| 參數 | 型別 | 說明 |
|---|---|---|
| file | 二進位 | 一段上傳的錄音。 |
| model | 字串 | whisper-1 |
| language | 字串 | 選填來源語言；僅限轉錄。 |
| prompt | 字串 | 選填拼字提示與上下文。 |
| response_format | 列舉 | json, text, srt, verbose_json, vtt. |
| temperature | 數字 | 0–1；預設 0。 |
| timestamp_granularities[] | 陣列 | word / segment；僅適用於 verbose_json。 |
| chunking_strategy | 字串 / 物件 | 選填；相容性尚未驗證。 |
| stream | 布林值 | Whisper-1 會忽略此參數。 |
請求失敗時
檢查檔案、參數與餘額。無法確認是否已提交時，請先檢查任務紀錄，再決定是否重新提交。
哪種 Whisper-1 格式適合你？
依接下來的用途選擇 Whisper-1 格式。
| 接下來的用途 | 選擇 | 取得的內容 |
|---|---|---|
| 閱讀或編輯 | text | 純文字逐字稿 |
| 用於應用程式 | json | JSON 中的逐字稿文字 |
| 精確定位內容 | verbose_json | 含詳細時間戳記的逐字稿 |
| 編輯影片字幕 | srt | 帶編號的字幕條目 |
| 為網頁播放器配字幕 | vtt | WebVTT 字幕條目 |
了解 Whisper-1 的限制
發布前先校對
Whisper-1 可能聽錯語音，或產生錄音中沒有的文字，尤其是難以辨識的音訊。請對照原始錄音，核對姓名、引文與重要細節。
不提供說話者標籤
Whisper-1 不會標示說話者身分。詞級時間戳記告訴你語音出現的時間，並不說明是誰說的。
處理錄音檔案
Whisper-1 處理上傳的錄音，不會即時傳回部分逐字稿；英文翻譯也不會產生配音音軌。
在 SeedRouter 使用 Whisper-1
先查看價格
查看目前費率；瀏覽器能讀取音訊時長時，也會顯示預估費用。
保存需要的輸出
下載選定的逐字稿或字幕，與錄音一起保存副本。
失敗的請求不收費
失敗任務不會消耗餘額。再次嘗試前，請在任務紀錄確認最終狀態。
Whisper-1 常見問題
Whisper-1 可以翻譯音訊嗎？+
Whisper-1 翻譯輸出英文文字，轉錄則保留原語言。兩者都不產生音訊。需要精確措辭時，請核對原始錄音。
Whisper-1 支援說話者分離嗎？+
Whisper-1 時間戳記定位的是語音，不會區分說話者。可在校對時加入姓名，或選擇支援說話者分離的模型。
Whisper-1 長錄音要怎麼處理？+
壓縮較大的錄音，或在自然停頓處切割，以符合上傳限制。保留片段順序，並核對銜接處。
可以提供 Whisper-1 拼字提示嗎？+
提供相關姓名與上下文。Whisper-1 使用提示詞最後 224 個 token；請核對傳回逐字稿中的拼字。
Whisper-1 哪種輸出有詞級時間戳記？+
Whisper-1 詞級時間戳記需要 verbose_json。SRT 與 VTT 提供字幕條目；純文字與 JSON 適合編輯逐字稿。
Whisper-1 API 與 OpenAI 同步回應完全相同嗎？+
SeedRouter 先傳回任務 ID，再提供逐字稿下載 URL。同步 SDK 需要調整；相容性限制請參閱參考文件。