OmniRoute — 语音转文字(Speech-to-Text)
用途
该技能用于将音频文件转写为文字,通过 OmniRoute 网关调用兼容 OpenAI /v1/audio/transcriptions 格式的接口,并在多个语音识别服务商之间自动回退,涉及 Whisper、AssemblyAI、Deepgram、Azure STT。用户需要语音转文字能力时可使用本技能。
前置条件
需要配置 OMNIROUTE_URL 和 OMNIROUTE_KEY 两个环境变量。具体设置步骤参见入口 SKILL 的说明。
主要端点
- POST $OMNIROUTE_URL/v1/audio/transcriptions — 以 multipart 上传音频,返回文本。
- POST $OMNIROUTE_URL/v1/audio/translations — 转写并翻译为英文。
发现可用模型
可通过以下命令列出可用的语音转文字模型:
curl $OMNIROUTE_URL/v1/models/stt | jq '.data[]'
使用示例
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"
返回结果结构:{ text, language, duration, segments?:[{ start, end, text }] }。
支持的格式
音频格式:mp3、mp4、mpeg、mpga、m4a、wav、webm。
响应格式:json、text、srt、verbose_json、vtt。
错误说明
- 400 invalid_file_format → 不支持的音频格式。
- 400 file_too_large → 超过服务商限制(通常为 25MB)。
- 503 → 服务商不可用;可尝试使用 /v1/models/stt 中的其他模型。
限制
关于计费、价格、平台支持范围、识别准确率与性能等信息,资料中暂未提供。