Whisper-1 — 把录音转成文字
把录音转成可搜索的文字或字幕。上传自己的音频试用 Whisper-1，按后续用途选择输出格式。
- 转录
- 翻译成英文
- 词级时间戳
- 字幕文件
用一段录音试用 Whisper-1
先试一段短音频。发布字幕前，请对照录音核对转录内容。
选择 Whisper-1 输出格式
同一段录音可用于不同工作流。以下仅展示格式，不是转录准确率基准。
Welcome to the recording.阅读并编辑纯文本转录稿。
{ "word": "Welcome",
"start": 0.0, "end": 0.5 }在录音中定位某个词或一段内容。
1
00:00:00,000 --> 00:00:02,000
Welcome to the recording.将带时间的字幕导入视频编辑器。
Whisper-1 价格
按当前 Whisper-1 费率，为成功转录的音频付费。
音频秒数先向上取整，再换算为计费单位。不足一秒的部分也可能改变最终费用。价格不取决于转录稿长度。
| 模型 | 计量方式 | 费率 | 单位 |
|---|---|---|---|
| Whisper-1 | 一分钟对应 1,000 个基于时长的单位。这些单位不是词数或文本 token。 | US$36.00 | 每百万音频计量单位 |
失败的 Whisper-1 请求不收费。
Whisper-1 是什么？
Whisper-1 是 OpenAI 的语音识别模型，可将录音转成文字。让访谈内容可搜索，准备字幕，或把口述素材纳入文字工作流。
Whisper-1 可保留原语言，也可将语音翻译成英文。可选择便于阅读的文本或带时间信息的输出。
录音文件 · 多语言转录 · 翻译成英文
在 model 字段中使用此精确 ID。
使用 Whisper-1 的两种方式
与你的编程 agent 协作
向 agent 提供音频路径和 Whisper-1 文档。核对请求及预估费用，再保存所选输出。
- 1复制此集成提示词。
- 2提供音频文件并确认请求。
- 3检查已保存的结果。
把 Whisper-1 转录稿用于实际工作
可阅读的笔记
把访谈和语音备忘录转成可搜索的初稿。引用前先核对结果中的姓名和专业术语。
可导入编辑器的字幕
以 SRT 或 VTT 格式将字幕导入编辑器。根据屏幕调整断行和时间。
定位每个词
通过词级时间戳定位短语。需要精确剪辑时，请对照音频核对对齐情况。
Whisper-1 的实际用途
访谈核对
在转录稿中搜索主题，再回听录音确认引文。
课程准备
转录自己的课程。分享给学习者之前，修正术语并整理分段。
英文工作稿
将录音翻译成英文，供协作者阅读。保留音频以便核对。
四步开始使用 Whisper-1
- 01
选择录音
使用受支持且未超出上传限制的文件。简短清晰的片段更便于核对首次 Whisper-1 结果。
- 02
选择输出
保留原语言或翻译成英文。选择文本、带时间信息的 JSON 或字幕。
- 03
提交一次
保存任务 ID，持续查询直至完成。状态查询较慢时，无需再次提交。
- 04
核对并下载
对照录音核对 Whisper-1 结果。发布前修正姓名、数字和引文。
为应用接入转录功能
通过 multipart 表单上传文件，再查询返回的任务 ID。Whisper-1 文档列出全部字段、输出格式和请求示例。
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"| 参数 | 类型 | 说明 |
|---|---|---|
| file | 二进制 | 一段上传的录音。 |
| model | 字符串 | whisper-1 |
| language | 字符串 | 可选的源语言，仅用于转录。 |
| prompt | 字符串 | 可选的拼写提示与上下文。 |
| response_format | 枚举 | json, text, srt, verbose_json, vtt. |
| temperature | 数字 | 0–1；默认 0。 |
| timestamp_granularities[] | 数组 | word / segment；仅适用于 verbose_json。 |
| chunking_strategy | 字符串 / 对象 | 可选；兼容性尚未验证。 |
| stream | 布尔值 | Whisper-1 会忽略此参数。 |
请求失败时
检查文件、参数和余额。无法确定是否已提交时，请先检查任务历史，再决定是否重新提交。
哪种 Whisper-1 格式适合你？
按后续用途选择 Whisper-1 格式。
| 下一步用途 | 选择 | 得到的内容 |
|---|---|---|
| 阅读或编辑 | text | 纯文本转录稿 |
| 用于应用 | json | JSON 中的转录文本 |
| 精确定位内容 | verbose_json | 带详细时间戳的转录稿 |
| 编辑视频字幕 | srt | 带编号的字幕条目 |
| 为网页播放器配字幕 | vtt | WebVTT 字幕条目 |
了解 Whisper-1 的限制
发布前核对
Whisper-1 可能误听或生成录音中没有的文字，音频难以辨认时尤其如此。请对照原录音核对姓名、引文和重要细节。
不提供说话人标签
Whisper-1 不会标识说话人身份。词级时间戳说明语音出现的时间，不能说明是谁说的。
处理录音文件
Whisper-1 处理上传的录音，不会实时返回部分转录文本。翻译成英文也不会生成配音音轨。
在 SeedRouter 使用 Whisper-1
先查看价格
查看当前费率；浏览器能读取音频时长时，还可查看预估费用。
保留需要的输出
下载所选转录稿或字幕，与录音一起保存副本。
失败的请求不收费
失败任务不会消耗余额。开始下一次尝试之前，请在任务历史中确认最终状态。
Whisper-1 常见问题
Whisper-1 能翻译音频吗？+
Whisper-1 翻译输出英文文本；转录保留原语言。两者都不生成音频。措辞需要准确时，请核对原录音。
Whisper-1 支持说话人分离吗？+
Whisper-1 时间戳定位语音，不区分说话人。可在核对时添加姓名，或选择支持说话人分离的模型。
Whisper-1 长录音怎么处理？+
压缩较大的录音，或在自然停顿处切分，以满足上传限制。保持片段顺序，并核对衔接处。
能给 Whisper-1 提供拼写提示吗？+
提供相关姓名和上下文。Whisper-1 使用提示词的最后 224 个 token；请核对返回稿中的拼写。
Whisper-1 哪种输出有词级时间戳？+
Whisper-1 词级时间戳需要 verbose_json。SRT 和 VTT 提供字幕条目；纯文本和 JSON 适合编辑转录稿。
Whisper-1 API 与 OpenAI 同步响应完全相同吗？+
SeedRouter 先返回任务 ID，再提供转录稿下载 URL。同步 SDK 需要适配；兼容性限制请见参考文档。