统一认证，接入所有提供方
一把 RunAPI key 解锁整个模型目录。无需为每家提供方单独建账户。
Audio & Music
OpenAI
OpenAI Transcription API
通过 RunAPI 使用 OpenAI Transcription API，配套 model skill、统一认证和按需计费。
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概览
关于 OpenAI Transcription
OpenAI Transcription 通过同步 multipart 端点将上传音频转换为文字。Whisper-1 支持字幕与时间戳输出，GPT Transcribe 支持关键词提示和多语言提示，适合多语言录音转录。
提供方
OpenAI
模态
Audio & Music
对比全部 API 变体
定价
OpenAI Transcription 定价
| Endpoint | 分辨率 | 时长 | 价格 | |
|---|---|---|---|---|
| speech_to_text | — | — | $0.02 / minute |
当前价格适用于 gpt-transcribe。其他变体保留各自的 endpoint 定价。
Agent 集成
通过 Agent 运行 OpenAI Transcription
工作流程
开始使用 OpenAI Transcription
-
选择模型
根据输出类型、质量要求和延迟目标选择模型与变体。
-
配置
设置 RunAPI key，并在代码工作区安装对应 model skill。
-
调用
按 skill 里的说明，把模型能力接入到你的应用里。
-
接收
按 task ID 轮询、在支持时使用流式，或处理 webhook 回调。
为什么用 RunAPI 调用 OpenAI Transcription API
统一的定价与账单
USD 按次定价，按月结算。失败的生成不计费。
Schema 优先的 SDK
Typed schema 和接入说明已打包进 model skill，让实现从正确契约开始。
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。
应该从哪个变体开始？
选满足质量要求的最便宜变体。多数团队从 fast 起步，生产时升级到 pro。
相似模型