OpenAI Transcription API
Whisper-1とGPT Transcribeによる音声文字起こしに対応した、OpenAI互換の音声認識APIです。
curl -X POST https://runapi.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $RUNAPI_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "whisper-1",
"audio_url": "https://cdn.runapi.ai/public/samples/voice.mp3"
}'import { OpenaiTranscriptionClient } from "@runapi.ai/openai-transcription";
const client = new OpenaiTranscriptionClient();
const result = await client.speechToText.run({
model: "whisper-1",
audio_url: "https://cdn.runapi.ai/public/samples/voice.mp3",
});require "runapi/openai_transcription"
client = RunApi::OpenaiTranscription::Client.new
result = client.speech_to_text.run(
model: "whisper-1",
audio_url: "https://cdn.runapi.ai/public/samples/voice.mp3"
)npx skills add runapi-ai/openai-transcription -g# Claude Code
claude mcp add runapi -s user -- npx -y @runapi.ai/mcp
# Codex
codex plugin install runapi-mcp@agents
# Cursor / Windsurf / VS Code
npx @runapi.ai/mcp init cursorOpenAI Transcriptionは、同期型のマルチパートエンドポイントを通じてアップロードした音声ファイルをテキストに変換します。Whisper-1は字幕とタイムスタンプ出力に対応し、GPT Transcribeは多言語音声向けのキーワードと言語ヒントに対応します。
- 品質とレイテンシ目標に合わせたモデルバリアント
- 統合 API key
- Model skill に docs、schema、セットアップメモを同梱
- 失敗した生成は課金されません
バリアント
アプリ開発用に OpenAI Transcription skill をインストール
モデル docs、schema、料金メモ、セットアップ手順をコード作業環境に読み込みます。
# Install the model skill for app development workflows
npx skills add runapi-ai/openai-transcription -gInstall the OpenAI Transcription skill for this app: 1. Add runapi-ai/openai-transcription with the skills installer. 2. Load SKILL.md in this workspace. 3. Use its docs, schemas, pricing notes, and setup steps when adding model features. 4. Confirm the install path when done.
この model skill で構築する方法
モデルを選ぶ
出力タイプ、品質基準、レイテンシ目標に合うモデルとバリアントを選びます。
一度だけ認証
対応するすべてのモデルに RunAPI key を使います。
skill をインストール
機能実装の前に model skill をコード作業環境へ追加します。
出力を受け取る
task ID でポーリングするか、生成完了時の callback を処理します。
OpenAI Transcription の位置づけ
OpenAI Transcriptionは、会議の議事録、字幕、検索可能なメディア、多言語の文字起こしに使える音声認識モデルを提供します。どちらのバリアントもOpenAI互換の音声文字起こしリクエスト形式を使用します。
RunAPI 経由で OpenAI Transcription を使う理由
1つの API key
モデルやプロバイダーをまたいで同じ認証情報を使えます。
Skill-ready
model skill に schema、セットアップメモ、料金コンテキスト、モデル ID が含まれます。
予測しやすい請求
呼び出し前に従量料金を確認できます。
よくある質問
Whisper-1とGPT Transcribeの違いは何ですか？
Whisper-1はJSON、プレーンテキスト、字幕、詳細JSON、タイムスタンプ付き出力に対応します。GPT TranscribeはJSONまたはプレーンテキスト出力に特化し、キーワードと複数言語のヒントを指定できます。
どの音声ファイルを文字起こしできますか？
FLAC、MP3、MP4、MPEG、MPGA、M4A、OGG、WAV、WebM形式で、最大25 MBのファイルをアップロードできます。
APIで字幕や単語単位のタイムスタンプを作成できますか？
Whisper-1ではSRTまたはVTT字幕を返せるほか、詳細JSONで単語単位またはセグメント単位のタイムスタンプを取得できます。GPT Transcribeでは、これらの出力モードは利用できません。
GPT Transcribeは多言語の録音に対応していますか？
はい。1つの言語ヒントまたは候補となる複数言語のリストに加えて、固有名詞や専門用語のキーワードヒントを指定できます。
音声文字起こしは同期処理ですか？
はい。リクエストが成功すると、別のタスクポーリング用エンドポイントを使わずに、完成した文字起こしが直接返されます。
このモデルはどう呼び出しますか？
model skill をインストールし、RunAPI key とセットアップメモに従ってください。
失敗した生成は課金されますか？
失敗した生成は課金されません
アプリケーションから呼び出せますか？
はい。コード作業環境に model skill をインストールし、モデル機能を追加するときに利用してください。