SuperAPI AI 工具集

omniroute-stt

通用与其它

查看项目

更新于 10-22 17:16

技能介绍

用途:OmniRoute 的语音转文字技能,基于 OpenAI /v1/audio/transcriptions 格式调用语音识别服务,并在 Whisper、AssemblyAI、Deepgram、Azure STT 之间进行自动回退。适用于需要将音频转写为文本的场景。

前置条件:需要设置 OMNIROUTE_URL 和 OMNIROUTE_KEY 环境变量;具体设置方式参见入口 SKILL 文档。

主要接口:

  • POST $OMNIROUTE_URL/v1/audio/transcriptions:以 multipart 方式上传音频文件,返回文本。
  • POST $OMNIROUTE_URL/v1/audio/translations:转写并将结果翻译为英文。

发现可用模型:可通过 curl $OMNIROUTE_URL/v1/models/stt | jq '.data[]' 列出可用的 STT 模型。

调用示例: curl -X POST $OMNIROUTE_URL/v1/audio/transcriptions
-H "Authorization: Bearer $OMNIROUTE_KEY"
-F "file=@audio.mp3"
-F "model=whisper-1"
-F "response_format=verbose_json"

返回内容:{ text, language, duration, segments?:[{ start, end, text }] }。

支持的音频格式:mp3、mp4、mpeg、mpga、m4a、wav、webm。 支持的响应格式:json、text、srt、verbose_json、vtt。

错误处理:

  • 400 invalid_file_format:音频格式不受支持。
  • 400 file_too_large:超出提供方限制(通常为 25MB)。
  • 503:提供方不可用,可尝试 /v1/models/stt 中的其他模型。

限制:资料未提供价格、速率限制、并发能力及具体回退策略细节,暂未提供。