Whisper-1

Whisper-1 将录音中的语音转成文字。使用 /v1/audio/transcriptions 保留原语言，或使用 /v1/audio/translations 输出英文。两者都通过 multipart/form-data 接收上传文件。SeedRouter 先返回任务 ID；任务完成后，再下载所选结果。这与 OpenAI SDK 的同步响应不同。

Playground 与实时价格 · 首次转录教程 · OpenAPI · Markdown

提交录音

将 API 密钥保存在服务端。让 HTTP 客户端生成 multipart boundary；不要手动设置缺少 boundary 的 Content-Type: multipart/form-data 请求头。

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'

此响应表示已接收任务，并非已完成转录：

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

保存实际返回的 id。只提交一次。连接中断无法证明请求是否已被接收；创建新请求之前，请先检查任务历史。

读取结果

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

当 status 为 processing 时继续轮询。完成任务包含 output.url 和 output.format；失败任务包含 error.code 和 error.message。轮询超时不是任务的终止状态。只有任务所有者能够读取任务。以下示例展示响应结构：

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

另发 GET 请求下载 output.url。JSON 结果按 JSON 读取，其他格式按文本读取。公开任务响应不包含价格或账号详情。

转录参数

file 和 model 必填。以下九个字段组成共用请求接口，包括 file、model 以及明确忽略的 stream。chunking_strategy 仍存在兼容性缺口，详见下文。

VAD 对象包含必填的 type: "server_vad"，可选整数字段 prefix_padding_ms（文档默认值 300）、可选整数字段 silence_duration_ms（文档默认值 200），以及范围 0 到 1 的可选数字字段 threshold（文档默认值 0.5）。不强制执行未记录的整数范围。省略的策略保持省略；这些对象默认值不意味着请求默认采用 auto。

为兼容 SDK，可将 VAD 对象编码为一个 JSON multipart 部分，或编码为 chunking_strategy[type]、chunking_strategy[prefix_padding_ms]、chunking_strategy[silence_duration_ms] 和 chunking_strategy[threshold]。不要混用两种编码。接受这些字段结构并不证明 VAD 可用于该模型。

可选文本字段应省略，而不是发送字面 multipart 字符串 null。未知字段及不适用于该模型的字段会被丢弃。特别是，diarized_json、说话人参考控件、logprobs 和实时事件均不是 Whisper-1 功能。标量字段重复无效。

文件限制

文档列出的音频格式为 FLAC、MP3、MP4、MPEG、MPGA、M4A、OGG、WAV 和 WebM。当前上传上限为 26,214,400 字节（25 MiB）。OpenAI Audio API 常见问题明确规定，旧版 Whisper-1 上传的请求大小上限为 25 MiB；请让文件低于上限，为 multipart 字段留出空间。文件必须包含可读取的音频，且时长须可测量并大于零。仅有扩展名不能证明音频有效。

本地没有额外的一小时上限、固定采样率要求或仅限单声道的限制。文件大小仍可能要求切分长录音。请核对分段录音之间的衔接，避免漏掉或重复语音。

翻译成英文

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

翻译有五个字段：file、model、prompt、response_format 和 temperature，类型与边界同上。可选提示词应为英文。没有可选择的目标语言。此端点会丢弃 language、时间戳设置、分块设置及其他仅供转录使用的字段。英文输入的翻译检查成功，并不能证明所有源语言的准确性。

下载结果字段

每个词包含 word、start 和 end。每个片段包含 id、seek、start、end、text、tokens、temperature、avg_logprob、compression_ratio 和 no_speech_prob。start 和 end 的单位为秒。片段不标识说话人。结果中可能包含仅适用于转录的常量 task: "transcribe"。翻译结果省略仅用于转录的 words 和 usage。音频测量值和转录文本不会为模仿预期答案而被改写。

计费

两种操作都使用实测输入时长。每段录音的音频计量单位为 round(ceil(seconds) × 1000 / 60)。用这些单位乘以实时单位费率；这些单位不统计转录文本。例如，15 秒为 250 单位，15.1 秒为 267 单位。页面和 Playground 读取同一实时费率。失败的请求不收费。

验证状态

检查日期为 2026 年 10 月 19 日。本地端到端测试完成了全部五种转录输出格式和一次 verbose_json 翻译，包括任务所有者的结果下载及精确账号扣费。一次转录成功同时请求了词级与片段级时间戳。FLAC、OGG、M4A、MP4 以及不足一秒／含小数秒的 WAV 上传分别通过了真实兼容性检查。

显式 chunking_strategy=auto 被拒绝。涉及 WebM、MPEG 加 VAD、MPGA 加 stream=true 的三个提交案例未成功。这些失败不能确定组合中的哪项设置导致了拒绝。这些格式和选项仍未验证；服务不会悄悄替换明确请求的策略。翻译测试使用英文输入，因此跨语言翻译质量仍未测量。接受 schema 不等于每种组合都已通过真实测试。

错误与恢复

无效的文件和参数组合会在创建任务前被拒绝。API 错误包含数字 code 和可阅读的 message；参见错误代码。请求被接收后，请查询任务的终止状态。无法确认提交结果时，先查找已有任务，再决定是否重新提交。失败任务不收费。

契约来源

• OpenAI 转录参考文档
• OpenAI 翻译参考文档
• OpenAI 语音转文字指南
• OpenAI Whisper 提示词指南

OpenAI 已宣布其自有 API 上的 Whisper 将于 2027 年 2 月 26 日关闭。此公告不代表本服务的关闭日期。参见 OpenAI 弃用公告。