控制台

音频转写

POST/v1/audio/transcriptions

音频转写接口。支持 multipart file、file_id、url、audio_url,不支持audio_data。

选择转写模式

场景model返回形式
普通音频转写moss-transcribe-1.0JSON / text
多说话人转写moss-transcribe-diarize-proJSON,含 segments;可通过 stream=true 返回 SSE

请求参数

字段类型必填说明
model: string必填

模型 ID。普通转写使用 moss-transcribe-1.0;多说话人转写、热词和 SSE 流式输出使用 moss-transcribe-diarize-pro。

file: multipart file四选一

通过 multipart/form-data 直接上传本地音频或视频文件,无需先调用文件上传接口;不传 async=true 时同步返回转写结果。单文件最大 512 MB。

file_id: string四选一

引用 POST /v1/files 返回的文件 ID。

url: string四选一

服务端可访问的公网音频 URL;不得指向 localhost、回环地址或私网地址。

audio_url: string四选一

url 的兼容字段,访问限制相同;新调用推荐使用 url。

diarize: boolean可选

设为 true 时返回说话人分离结果,仅 moss-transcribe-diarize-pro 支持;不传或传 false 时只返回完整文本。

keyterms: string[]可选

热词列表,用于提升专有名词、人名、品牌名和业务术语的识别准确率。仅 moss-transcribe-diarize-pro 支持;最多 20 个,每个最多 30 个字符;不传或传 [] 表示不启用。使用 multipart/form-data 时以 JSON 字符串数组传入,例如 ["MOSS","SGLang"]。

stream: boolean可选

仅 moss-transcribe-diarize-pro 支持传 true,用于返回 SSE 转写事件;不支持同时传 async=true。

response_format: string可选

转写结果格式。非流式默认 json;流式固定返回 SSE 事件,建议显式传 verbose_json。

async: boolean可选

设为 true 时创建异步任务并立即返回任务对象;不能和 stream=true 同时使用。

webhook_url: string可选

异步任务完成后回调的 HTTPS URL。

支持格式与上传限制

项目说明
单文件大小最大 512 MB;直接上传与 /v1/files 保持一致。
已支持格式AAC、AMR、FLAC、M4A、ALAC、MOV、MP3、MP4、MPG、OGG、OPUS、WAV、WebM、WMA
音视频容器MOV、MP4、MPG、WebM均可完成转写

返回值

普通 JSON: object

response_format=json 且未启用 diarize 时返回完整转写文本。

说话人分离: object

启用 diarize,或使用 response_format=diarized_json 时,返回完整文本及说话人分段。

Text: string

response_format=text 时直接返回纯文本。

SSE: event stream

stream=true 时持续返回服务端事件,直到完成或失败;示例使用流式专用的 verbose_json。

异步任务: object

async=true 时立即返回任务对象,结果通过查询任务接口获取。

错误码

HTTPerror.code触发条件与处理建议
400: 4 个 error.code

输入来源、流式 / 异步组合或热词不合法。

错误说明

以下情况返回参数错误:

  • keyterms 不是字符串数组。
  • keyterms 包含非字符串元素。
  • 普通 moss-transcribe-1.0 携带非空 keyterms。