SuperAPI AI 工具集

omniroute-stt

通用与其它

查看项目

更新于 10-16 10:54

技能介绍

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。