多说话人转写

将多说话人音频转为带说话人信息的转写结果，适合会议、访谈和播客。

1. 创建 API Key

   进入 API Key 管理平台，创建 API Key，并保存为环境变量。不要把 API Key 写进客户端代码或提交到仓库。

   MOSS_API_KEY=<your_api_key_here>

2. 准备请求输入

   准备一个本地多说话人音频文件，通过 multipart/form-data 将文件和转写参数一起提交；传入 diarize=true 启用说话人识别。

   字段类型要求说明

   model: string必填

   当前填写 moss-transcribe-diarize-pro。

   file: file必填

   通过 multipart/form-data 上传的本地音频文件。

   diarize: boolean必填

   固定为 true，启用说话人识别。

   response_format: string可选

   转写结果格式，可选 json、text，默认 json。需要返回 speaker 和 segments 时使用 json。

   model=moss-transcribe-diarize-pro
   file=@./audio.mp3
   diarize=true
   response_format=json

3. 发起第一次请求

   多说话人转写

   curl -X POST "https://api.mosi.cn/v1/audio/transcriptions" \
     -H "Authorization: Bearer $MOSS_API_KEY" \
     -F "model=moss-transcribe-diarize-pro" \
     -F "file=@./audio.mp3" \
     -F "diarize=true" \
     -F "response_format=json"

   import os
   import requests
   
   with open("./audio.mp3", "rb") as audio_file:
       resp = requests.post(
           "https://api.mosi.cn/v1/audio/transcriptions",
           headers={"Authorization": f"Bearer {os.environ['MOSS_API_KEY']}"},
           data={
               "model": "moss-transcribe-diarize-pro",
               "diarize": "true",
               "response_format": "json",
           },
           files={"file": audio_file},
       )
   
   print(resp.status_code)
   print(resp.json())

   import { readFile } from 'node:fs/promises'
   
   const form = new FormData()
   form.append('model', 'moss-transcribe-diarize-pro')
   const audio = new Uint8Array(await readFile('./audio.mp3'))
   form.append('file', new Blob([audio], { type: 'audio/mpeg' }), 'audio.mp3')
   form.append('diarize', 'true')
   form.append('response_format', 'json')
   
   const response = await fetch('https://api.mosi.cn/v1/audio/transcriptions', {
     method: 'POST',
     headers: { Authorization: `Bearer ${process.env.MOSS_API_KEY}` },
     body: form,
   })
   
   console.log(response.status)
   console.log(await response.json())

   流式输出

   在同一个 multipart 请求中增加 stream=true，即可通过 SSE 持续读取转写事件。流式请求不能同时传 async=true。

   curl -N -X POST "https://api.mosi.cn/v1/audio/transcriptions" \
     -H "Authorization: Bearer $MOSS_API_KEY" \
     -H "Accept: text/event-stream" \
     -F "model=moss-transcribe-diarize-pro" \
     -F "file=@./audio.mp3" \
     -F "diarize=true" \
     -F "stream=true" \
     -F "response_format=verbose_json"

4. 获取任务结果

   同步调用时，从响应中读取 text、segments 等结果；使用 SSE 时读取至 transcript.text.done。传入 async=true 时会返回 task_id，可通过 GET /v1/audio/tasks/{task_id} 查询任务结果。

   curl https://api.mosi.cn/v1/audio/tasks/$TASK_ID \
     -H "Authorization: Bearer $MOSS_API_KEY"

5. 验证成功

   成功标志：拿到带说话人信息的转写结果。成功响应可包含 segments，每个 segment 含 start、end、text、speaker。

下一步