Audio & Music · OpenAI

OpenAI Transcription API

Dostęp do zgodnego z OpenAI API transkrypcji audio i zamiany mowy na tekst z modelami Whisper-1 oraz GPT Transcribe.

Operacyjny · 2 variants · od $0.020

Wypróbuj w playground Dokumentacja API →

runapi.ai

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 cursor

@runapi.ai/openai-transcription v1

OVERVIEW

OpenAI Transcription zamienia przesłane pliki audio na tekst przez synchroniczny endpoint multipart. Whisper-1 obsługuje napisy i znaczniki czasu, a GPT Transcribe przyjmuje podpowiedzi ze słowami kluczowymi i językami do wielojęzycznych nagrań.

Wiele wariantów dla różnych poziomów szybkości i jakości
Model skill zawiera dokumentację, schematy i notatki setupu
Działa z workflow kodowania aplikacji
Nie płacisz za nieudane generacje

VARIANTS

Porównaj wszystkie warianty API

Variant	Billing	Pricing
gpt-transcribe	minute	$0.020	Zobacz →
whisper-1	minute	$0.020	Zobacz →

SKILLS

Zainstaluj skill OpenAI Transcription do tworzenia aplikacji

Wczytaj dokumentację modelu, schematy, notatki cenowe i kroki setupu do workspace kodu.

# Install the model skill for app development workflows
npx skills add runapi-ai/openai-transcription -g

Installs docs, schemas, pricing context, and setup notes into your developer workspace.

Or use this setup request in your coding tool:

Install 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.

OpenClaw

Use OpenAI Transcription in OpenClaw

Prompt, curl command, parameters, and FAQ.

Hermes Agent

Use OpenAI Transcription in Hermes Agent

Custom provider setup, API call, and FAQ.

JAK TO DZIAŁA

Od model skilla do pierwszego wyniku w czterech krokach

Wybierz model

Wybierz model i wariant pasujące do typu wyjścia, progu jakości i celu opóźnienia.

Konfiguracja

Ustaw klucz RunAPI i zainstaluj model skill w workspace kodu.

Implementacja

Użyj instrukcji skilla, aby dodać funkcję modelu w swojej aplikacji.

Odbiór

Odpytuj po task ID, streamuj gdy wspierane albo obsłuż callback webhook.

CONTEXT

Czym jest API OpenAI Transcription?

OpenAI Transcription oferuje modele zamiany mowy na tekst do notatek ze spotkań, napisów, przeszukiwalnych multimediów i wielojęzycznych transkrypcji. Oba warianty korzystają ze zgodnej z OpenAI struktury żądania transkrypcji audio.

Provider

OpenAI

Modality

Audio & Music

DLACZEGO RUNAPI

Dlaczego używać API OpenAI Transcription przez RunAPI

Jedno uwierzytelnienie, wszyscy providerzy

Jeden klucz RunAPI odblokowuje cały katalog. Bez osobnych kont i rotacji kluczy dla każdej integracji.

Ujednolicony cennik i rozliczenia

Rozliczanie za wywołanie w USD, fakturowane co miesiąc. Nieudane generacje nie są naliczane.

Skill ze schematami

Typowane schematy i notatki setupu są spakowane w model skill, więc implementacja startuje od właściwego kontraktu.

FAQ

Najczęstsze pytania

Czym różnią się Whisper-1 i GPT Transcribe?

Whisper-1 obsługuje JSON, zwykły tekst, napisy, rozszerzony JSON i wyniki ze znacznikami czasu. GPT Transcribe skupia się na JSON lub zwykłym tekście i przyjmuje podpowiedzi ze słowami kluczowymi oraz wieloma językami.

Jakie pliki audio mogę transkrybować?

Endpoint przyjmuje pliki FLAC, MP3, MP4, MPEG, MPGA, M4A, OGG, WAV i WebM o rozmiarze do 25 MB.

Czy API może tworzyć napisy i znaczniki czasu dla słów?

Whisper-1 może zwracać napisy SRT lub VTT oraz znaczniki czasu na poziomie słów albo segmentów w rozszerzonym JSON. Te tryby wyjściowe nie są dostępne w GPT Transcribe.

Czy GPT Transcribe obsługuje nagrania wielojęzyczne?

Tak. Możesz podać wskazówkę dotyczącą jednego języka lub listę prawdopodobnych języków, a także słowa kluczowe ułatwiające rozpoznanie nazw i terminów branżowych.

Czy transkrypcja audio jest synchroniczna?

Tak. Pomyślne żądanie zwraca bezpośrednio gotową transkrypcję, bez osobnego endpointu do odpytywania o stan zadania.

Od jakiego wariantu powinienem zacząć?

Wybierz najtańszy wariant, który spełnia Twoje wymagania jakościowe. Większość zespołów zaczyna od szybkiego wariantu, a do produkcji przechodzi na pro.

Czy jest darmowy plan?

Nowe konta otrzymują darmowe pierwsze wywołania dla każdego modelu. Później płacisz za każde wywołanie.

Czy streamujecie wyniki?

Tam, gdzie streaming jest dostępny, RunAPI streamuje end-to-end.

Jak są rozliczane nieudane próby?

Nieudane generacje nie są obciążane opłatą.

Czy wyniki są buforowane?

Wygenerowane wyniki są zapisywane i można je pobrać po ID zadania. Dane wejściowe nie są buforowane.

Czy mogę używać komercyjnie?

Tak — użycie komercyjne jest dostępne dla każdego wariantu, chyba że licencja modelu wyraźnie to ogranicza; informacja taka jest podana na stronie wariantu.

A co z limitami zapytań?

Limity na klucz rosną wraz z poziomem wykorzystania. Aktualne limity znajdziesz na stronie cennika.

Gdzie mogę zgłosić problem?

Otwórz zgłoszenie w publicznym repozytorium GitHub albo napisz do supportu.