概要
STT（音声→テキスト）
会議の議事録、動画の字幕、コールセンターの通話解析、ボイスメモのテキスト化、ボイスチャット入力など、音声を文字に変える用途に使う。多言語に対応し、Whisper 系モデルでは単語・セグメント単位のタイムスタンプも返す。音声ファイルを multipart でアップロードする。
- エンドポイント
- /v1/audio/transcriptions
- 例: モデル
- sensevoice
API
API サンプル
# 1) discover an online STT model — Grid's set changes constantly,
# don't hardcode an id in your code.
MODEL=$(curl -s https://api.openalchemy.io/v1/models \
-H "Authorization: Bearer $OPENALCHEMY_API_KEY" \
| jq -r '.data[] | select(.online and .endpoint_type=="stt") | .id' \
| head -1)
# 2) transcribe (multipart upload)
curl https://api.openalchemy.io/v1/audio/transcriptions \
-H "Authorization: Bearer $OPENALCHEMY_API_KEY" \
-H "X-Project-Id: $YOUR_PROJECT_ID" \
-F "model=$MODEL" \
-F "file=@meeting.m4a" \
-F "response_format=json"ステータス
クォータ／料金（プロジェクト粒度）
利用枠とレート制限は API キーを発行したプロジェクトに対して適用される。さらにドメイン単位の細粒度ポリシーで、特定オリジンからの呼び出しを制限できる。
START TODAY
推論コストを、錬金術にかける準備はできていますか。
登録するだけで 2,000 クレジット（$2 相当）を無料で付与。クレジットカードは不要。