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。
Audio & Music
OpenAI
OpenAI Transcription API
RunAPIのモデルスキル、統合認証、従量課金制の料金でOpenAI Transcription APIを利用できます。
curl -X POST https://runapi.ai/v1/audio/transcriptions \
-H "Authorization: Bearer $RUNAPI_API_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 cursor概要
OpenAI Transcription について
OpenAI 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。
プロバイダー
OpenAI
モダリティ
Audio & Music
バリアント
料金
OpenAI Transcription の料金
| Endpoint | 解像度 | 尺 | 価格 | |
|---|---|---|---|---|
| speech_to_text | — | — | $0.02 / minute |
gpt-transcribe の料金を表示しています。他のバリアントはそれぞれの endpoint 料金が適用されます。
エージェント連携
エージェントから OpenAI Transcription を実行
仕組み
OpenAI Transcription を始める
-
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。
RunAPI 経由で OpenAI Transcription を使う理由
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。
OpenAI Transcription に関するよくある質問
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。
類似モデル