help.khb.com 语音系列 API: 语音转文本 (Audio Transcriptions)

API: 语音转文本 (Audio Transcriptions)

2026年6月14日2026年6月14日| 上午3:52
Categories:

Create a Transcription

Transcribes audio into the input language. The audio data is sent in the request body as multipart/form-data.

端点:POST /v1/audio/transcriptions

Request Body

file (file, required)

待转录的音频文件。支持 mp3、mp4、mpeg、mpga、m4a、wav、webm 等常见格式。

model (string, required)

用于语音识别的模型,详见 模型广场。

language (string, optional)

音频中的语种,如 zh(中文)、en(英文)。设置后可提升识别准确率。

response_format (string)

响应格式。可选值:json | text | srt | verbose_json | vtt。默认 json。

prompt (string, optional)

可选的提示词,用于引导模型风格(如专业术语、口音偏好等)。

temperature (number)

采样温度,范围 0.0 ~ 1.0。默认 0。

代码示例

cURL

curl --request POST \
  --url https://khb.net.cn/v1/audio/transcriptions \
  --header 'Authorization: Bearer YOUR_API_KEY' \
  --form file=@audio.mp3 \
  --form model=FunAudioLLM/SenseVoiceSmall \
  --form language=zh \
  --form response_format=json

Python

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://khb.net.cn/v1"
)

audio_file = open("audio.mp3", "rb")
transcript = client.audio.transcriptions.create(
    model="FunAudioLLM/SenseVoiceSmall",
    file=audio_file,
    language="zh",
    response_format="json"
)

print(transcript.text)
audio_file.close()

Response Body

{
  "text": "这是一段测试音频的转录文本内容。"
}

支持的模型

  • FunAudioLLM/SenseVoiceSmall – 阿里达摩院多语种语音识别
  • 其他 Whisper 兼容模型

最佳实践

  • 音频采样率建议 16kHz 以上
  • 长音频建议分段(每段 ≤ 10 分钟)
  • 明确指定语种可显著提升准确率

Related Post