公開版本與端點
驗證
輪詢，直到 Task 進入終態
選擇 <model-id> 後產生驗證命令。設定
指南端點: <endpoint>
選擇 <model-id> 後，依端點的公開輸入契約產生請求。
使用流程
三步開始使用
-
選擇模型 ID
選擇公開模型 ID，並查看其端點與目前起始價格。
-
設定 RunAPI
呼叫端點前設定 RUNAPI_API_KEY。
-
驗證結果
對非同步端點輪詢同一路徑，直到 Task 進入終態。
使用 Hermes Agent + OpenAI Transcription 可以建立甚麼
-
配音與旁白
使用支援語音生成的模型，把腳本轉成影片、課程和產品示範所需的語音。
-
音樂與配樂
使用支援音樂生成的模型，根據曲風、情緒和節奏的描述製作背景音樂和廣告短曲。
-
轉錄與音訊處理
使用支援音訊輸入的模型，轉錄錄音，或清理、轉換現有音訊。
為甚麼透過 RunAPI + Hermes Agent 使用 OpenAI Transcription
-
2 個變體，一個 API 金鑰
透過一個 RunAPI 連線選擇可用的模型變體，無需更改現有整合。
-
清晰的用量價格
發送請求前查看目錄中的目前價格，無需訂閱或最低消費。
-
直接返回結果
同步調用會在同一個回應中返回結果，Agent 無需輪詢任務即可直接使用。
Hermes Agent + OpenAI Transcription 常見問題
Whisper-1 同 GPT Transcribe 有咩分別？
Whisper-1 支援 JSON、純文字、字幕、詳細 JSON 同時間戳輸出。GPT Transcribe 專注於 JSON 或純文字輸出，並可接受關鍵字同多語言提示。
可以轉錄咩音訊檔案？
Endpoint 接受 FLAC、MP3、MP4、MPEG、MPGA、M4A、OGG、WAV 同 WebM 格式，上載檔案大小上限為 25 MB。
API 可以產生字幕同單字時間戳嗎？
Whisper-1 可回傳 SRT 或 VTT 字幕，亦可透過詳細 JSON 提供單字或片段層級嘅時間戳。GPT Transcribe 唔支援呢啲輸出模式。
GPT Transcribe 支援多語言錄音嗎？
支援。你可以提供單一語言提示或可能語言嘅清單，亦可以加入人名同專業術語嘅關鍵字提示。
音訊轉錄係同步處理嗎？
係。request 成功後會直接回傳完整逐字稿，毋須透過另一個 task endpoint 輪詢。
應該使用哪個模型 ID？
從版本表選擇公開模型 ID。每個 ID 可用的端點均列於相應資料列。
本指南會設定聊天模型嗎？
不會。此 Model Line 使用頁面所示的端點流程，不會被描述為 Agent 聊天模型。