Create transcription ​

POST https://openqiao.com/api/v1/audio/transcriptions

Create transcription 接口将输入音频转换为文本（语音转文本，Speech-to-Text）。

本接口使用 JSON 请求体。音频以 base64 编码的字节（或通过 URL）内联在 input_audio 对象中传入。本接口默认返回单个 JSON 响应，包含转写文本和 token 用量。将 stream 设为 true 可改为以 Server-Sent Events 形式增量接收转写文本。

Request headers ​

Authorization string * ​

Bearer Token 鉴权，格式为 Bearer $OPENQIAO_API_KEY。

Content-Type string * ​

请求内容类型，默认值为 application/json。

Request ​

model string * ​

要使用的模型 ID，格式为 <供应商>/<模型名称>。

input_audio object * ​

要转写的音频。data 与 url 至少提供其一。包含以下字段：

• data string 可选 — base64 编码的音频字节。仅为原始 base64 字符串，不是 data: URI。
• url string 可选 — 可公开访问的音频文件 URL。当未提供 data 时使用。
• format string 可选 — 音频容器格式，取值为 wav、mp3、flac、m4a、ogg、webm、aac 之一。省略时默认值为 wav。

language string 可选 ​

输入音频的语言，使用 ISO-639-1 代码（例如 en、ja、zh）。省略时自动检测。

enable_itn boolean 可选 ​

是否对转写结果应用逆文本归一化（例如将口述数字渲染为阿拉伯数字）。省略时使用模型的默认值。

stream boolean 可选 ​

是否流式返回转写文本，默认值为 false。

• false — 返回单个 JSON 响应，包含完整的转写文本和 token 用量。
• true — 以 Server-Sent Events 形式返回转写文本（Content-Type: text/event-stream），与 OpenAI 的流式格式一致。转写文本以 transcript.text.delta 事件增量下发（每个事件携带一段 delta），随后是携带完整 text 和 token 用量的 transcript.text.done 事件，最后是 [DONE] 事件。

Response ​

非流式（默认） ​

请求成功时，响应为一个 JSON 对象，包含转写文本和 token 用量：

{
  "text": "开桥 is an LLM API aggregation service.",
  "model": "qwen/qwen3-asr-flash",
  "usage": {
    "input_tokens": 120,
    "output_tokens": 11,
    "total_tokens": 131,
    "seconds": 3
  }
}

• text — 转写得到的文本。
• model — 用于生成转写结果的模型 slug。
• usage — token 用量，包含 input_tokens、output_tokens 和 total_tokens。可选的 seconds 字段表示被转写音频的时长（秒），在供应商返回该值时提供。

流式（stream: true） ​

响应为 text/event-stream 的 Server-Sent Events 流。每个事件是一行 data:，内含一个 JSON 对象：

data: {"type":"transcript.text.delta","delta":"开桥 is "}

data: {"type":"transcript.text.delta","delta":"an LLM API aggregation service."}

data: {"type":"transcript.text.done","text":"开桥 is an LLM API aggregation service.","usage":{"input_tokens":120,"output_tokens":11,"total_tokens":131,"seconds":3}}

data: [DONE]

• transcript.text.delta — 携带一段增量转写文本 delta。将所有 delta 拼接后，即得到与非流式 text 字段相同的文本。
• transcript.text.done — 携带完整 text 和 token usage 对象，包含 input_tokens、output_tokens 和 total_tokens（供应商返回时还包含 seconds）。
• [DONE] — 标志流结束。

对于没有原生增量转写接口的供应商，会将完整转写文本作为单个 transcript.text.delta 下发，随后是 transcript.text.done。

发生错误时，接口返回 JSON 对象：

{
  "error": {
    "code": "...",
    "type": "...",
    "message": "..."
  }
}

错误使用标准 HTTP 状态码（例如请求无效时返回 400，如缺少 input_audio.data；以及 403、404 等）。

# 从本地文件构建 base64 音频，然后以 JSON 形式 POST。
AUDIO_B64=$(base64 -w 0 speech.wav)

curl https://openqiao.com/api/v1/audio/transcriptions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENQIAO_API_KEY" \
  -d '{
    "model": "qwen/qwen3-asr-flash",
    "input_audio": {
      "data": "'"$AUDIO_B64"'",
      "format": "wav"
    },
    "language": "en"
  }'

import { readFile } from "node:fs/promises";

// 从本地文件构建 base64 音频。
const data = (await readFile("speech.wav")).toString("base64");

const response = await fetch("https://openqiao.com/api/v1/audio/transcriptions", {
  method: "POST",
  headers: {
    "Content-Type": "application/json",
    Authorization: `Bearer ${process.env.OPENQIAO_API_KEY}`, 
  },
  body: JSON.stringify({
    model: "qwen/qwen3-asr-flash",
    input_audio: {
      data,
      format: "wav",
    },
    language: "en",
  }),
});

const { text } = await response.json();
console.log(text);

import base64
import os
import requests

# 从本地文件构建 base64 音频。
with open("speech.wav", "rb") as f:
    data = base64.b64encode(f.read()).decode("utf-8")

response = requests.post(
    "https://openqiao.com/api/v1/audio/transcriptions",
    headers={
        "Content-Type": "application/json",
        "Authorization": f"Bearer {os.environ['OPENQIAO_API_KEY']}",  
    },
    json={
        "model": "qwen/qwen3-asr-flash",
        "input_audio": {
            "data": data,
            "format": "wav",
        },
        "language": "en",
    },
)

print(response.json()["text"])

{
  "text": "开桥 is an LLM API aggregation service.",
  "model": "qwen/qwen3-asr-flash",
  "usage": {
    "input_tokens": 120,
    "output_tokens": 11,
    "total_tokens": 131,
    "seconds": 3
  }
}

若希望以 Server-Sent Events 形式接收转写文本，将 stream 设为 true：

curl https://openqiao.com/api/v1/audio/transcriptions \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $OPENQIAO_API_KEY" \
  -d '{
    "model": "qwen/qwen3-asr-flash",
    "input_audio": {
      "url": "https://example.com/speech.mp3",
      "format": "mp3"
    },
    "stream": true
  }'

Content-Type: text/event-stream

data: {"type":"transcript.text.delta","delta":"开桥 is "}

data: {"type":"transcript.text.delta","delta":"an LLM API aggregation service."}

data: {"type":"transcript.text.done","text":"开桥 is an LLM API aggregation service.","usage":{"input_tokens":120,"output_tokens":11,"total_tokens":131,"seconds":3}}

data: [DONE]