语音转文本模型

用于将音频转录为文本的 Venice 语音转文本模型，支持多语言、时间戳，并提供 OpenAI 兼容的 /audio/transcriptions 端点。

Loading models…

---

​

使用方式

语音转文本模型可将口语音频转录为书面文本。它们通过 Audio Transcriptions API 访问。

​

支持的音频格式

mp3、mp4、mpeg、mpga、m4a、wav、webm、flac、ogg

​

响应格式

格式	说明
json	默认。返回 { "text": "..." }。
text	纯文本转录结果。
srt	带时间戳的 SubRip 字幕格式。
vtt	带时间戳的 WebVTT 字幕格式。
verbose_json	包含段级时间戳和元数据的完整响应。

计费按输入音频的秒数进行。请参阅 Audio Transcriptions API 了解请求示例和参数细节。