公开版本与端点
验证
轮询，直到 Task 进入终态
选择 <model-id> 后生成验证命令。配置
指南端点: <endpoint>
选择 <model-id> 后，按端点的公开输入契约生成请求。
使用流程
三步开始使用
-
选择模型 ID
选择公开模型 ID，并查看其端点与当前起步价格。
-
配置 RunAPI
调用端点前设置 RUNAPI_API_KEY。
-
验证结果
对于异步端点，轮询同一端点，直到 Task 进入终态。
使用 Hermes Agent + OpenAI Transcription 可以构建什么
-
配音与旁白
使用支持语音生成的模型，把脚本转成视频、课程和产品演示所需的语音。
-
音乐与配乐
使用支持音乐生成的模型，根据曲风、情绪和节奏的描述制作背景音乐和广告短曲。
-
转写与音频处理
使用支持音频输入的模型，转写录音，或清理、转换现有音频。
为什么通过 RunAPI + Hermes Agent 使用 OpenAI Transcription
-
2 个变体，一个 API 密钥
通过一个 RunAPI 连接选择可用的模型变体，无需更改现有集成。
-
清晰的用量价格
发送请求前查看目录中的当前价格，无需订阅或最低消费。
-
直接返回结果
同步调用在同一个响应中返回结果，Agent 无需轮询任务即可直接使用。
Hermes Agent + OpenAI Transcription 常见问题
Whisper-1 和 GPT Transcribe 有什么区别？
Whisper-1 支持 JSON、纯文本、字幕、详细 JSON 和时间戳输出；GPT Transcribe 侧重 JSON 或纯文本，并支持关键词提示和多语言提示。
可以转录哪些音频文件？
端点接受不超过 25 MB 的 FLAC、MP3、MP4、MPEG、MPGA、M4A、OGG、WAV 和 WebM 文件。
API 能生成字幕和逐词时间戳吗？
Whisper-1 可返回 SRT 或 VTT 字幕，也可通过详细 JSON 返回词级或片段级时间戳；GPT Transcribe 不提供这些输出模式。
GPT Transcribe 支持多语言录音吗？
支持。你可以提供一种语言提示或一组可能出现的语言，也可以用关键词提示人名和专业术语。
音频转文字是同步请求吗？
是。请求成功后会直接返回完整转录结果，无需单独轮询任务状态。
应该使用哪个模型 ID？
从版本表选择公开模型 ID。每个 ID 可使用的端点均显示在对应行。
本指南会配置聊天模型吗？
不会。该 Model Line 使用页面所示的端点流程，不会被描述为 Agent 聊天模型。