音声の文字起こし

音声をテキストに変換します。会議、インタビュー、ボイスメッセージ、メディアコンテンツの処理に適しています。

1. APIキーを作成

   APIキー管理プラットフォームにアクセスしてAPIキーを作成し、環境変数として保存してください。APIキーをクライアントコードに書き込んだり、リポジトリにコミットしたりしないでください。

   MOSS_API_KEY=<your_api_key_here>

2. リクエスト入力を準備

   ローカルの音声ファイルを1つ用意し、multipart/form-dataでファイルと文字起こしパラメータをまとめて送信します。事前にファイルアップロードAPIを呼び出す必要はありません。

   フィールド型必須説明

   model: string必須

   現在はmoss-transcribe-1.0を指定します。

   file: file必須

   multipart/form-dataでアップロードするローカルの音声ファイルです。

   response_format: string任意

   文字起こし結果の形式です。json、textから選択でき、デフォルトはjsonです。

   model=moss-transcribe-1.0
   file=@./audio.mp3
   response_format=json

   対応するcURLコマンド全体：

   curl -X POST "https://api.mosi.cn/v1/audio/transcriptions" \
     -H "Authorization: Bearer $MOSS_API_KEY" \
     -F "model=moss-transcribe-1.0" \
     -F "file=@./audio.mp3" \
     -F "response_format=json"

3. 最初のリクエストを送信

   このシナリオのエンドポイントにリクエストを送信します。同期リクエストでは文字起こしテキストまたは話者セグメントが返され、非同期リクエストではタスクオブジェクトが返されます。

   curl https://api.mosi.cn/v1/audio/transcriptions \
     -H "Authorization: Bearer $MOSS_API_KEY" \
     -H "Content-Type: application/json" \
     -d '{
     "model": "moss-transcribe-1.0",
     "file_id": "<file_id>",
     "response_format": "json"
   }'

   import os
   import requests
   
   resp = requests.post(
       "https://api.mosi.cn/v1/audio/transcriptions",
       headers={
           "Authorization": f"Bearer {os.environ['MOSS_API_KEY']}",
           "Content-Type": "application/json",
       },
       json={
           "model": "moss-transcribe-1.0",
           "file_id": "<file_id>",
           "response_format": "json"
       },
   )
   
   print(resp.status_code)
   print(resp.json())

   const response = await fetch("https://api.mosi.cn/v1/audio/transcriptions", {
     method: "POST",
     headers: {
       Authorization: `Bearer ${process.env.MOSS_API_KEY}`,
       "Content-Type": "application/json",
     },
     body: JSON.stringify({
     "model": "moss-transcribe-1.0",
     "file_id": "<file_id>",
     "response_format": "json"
   }),
   });
   
   console.log(response.status);
   console.log(await response.json());

4. タスクの結果を取得

   同期呼び出しの場合は、レスポンスからtextを直接読み取ります。async=trueを渡すとtask_idが返されるため、GET /v1/audio/tasks/{task_id}でタスクの結果を照会できます。

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

5. 成功を確認

   成功の目安：文字起こしテキストを取得できます。

次のステップ