Speech to Text API: OpenAI 互換の文字起こし

By Tokuse
API文字起こしASR
他の言語でも読む：English한국어

Speech to Text は OpenAI 互換の文字起こしエンドポイントです。ただし、現在の new-api 火山チャネルには ASR / transcription の分岐がありません。Tokuse の中継では、このエンドポイントはまだ利用できません。

エンドポイント

POST https://tokuse.com/v1/audio/transcriptions

認証

OpenAI 互換の場合は Authorization: Bearer sk-your-tokuse-key を付けます。ただし現時点の Tokuse 中継はこのエンドポイントに対応していません。

対応モデル

Volcengine の ASR モデルを使用する想定です。モデル ID は上流の ASR に依存します。

リクエスト例

中継対応時の想定例です。現状は Tokuse 経由で実行しても処理されません。

curl https://tokuse.com/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-tokuse-key" \
  -F "file=@meeting.m4a" \
  -F "model=asr-model" \
  -F "language=ja"

レスポンス例

こちらも中継対応時の想定例です。

{
  "text": "今日の打ち合わせでは、API の料金体系と障害時の切り替え手順を確認しました。"
}

注意事項と制限

  • 現在の new-api 火山チャネルには ASR / transcription の分岐がありません。
  • Volcengine へ直接接続すれば ASR を利用できますが、Tokuse の中継に対応させるには追加開発が必要です。
  • 中継対応後は OpenAI 互換クライアントから multipart/form-data で音声ファイルを送信する形になります。
  • 現時点では、本番用途で Tokuse 経由の文字起こしを前提にしないでください。

料金

Tokuse の中継が未対応のため、現時点では Tokuse 経由の料金は発生しません。中継対応後の料金は Tokuse の料金ページと上流コンソールで確認してください。