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。