一個驗證，對應所有 provider
一組 RunAPI key 即可解鎖整個 catalog。無需分開帳戶，亦無需為每個整合輪換密鑰。
Audio & Music
OpenAI
OpenAI Transcription API
透過 RunAPI 使用 OpenAI Transcription API，包含 model skill、統一驗證與按用量計費。
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 cursorOVERVIEW
關於 OpenAI Transcription
OpenAI Transcription 透過同步 multipart endpoint，將上載嘅音訊檔案轉成文字。Whisper-1 支援字幕同時間戳輸出；GPT Transcribe 就支援關鍵字同語言提示，適合多語言音訊。
供應商
OpenAI
模式
Audio & Music
比較所有 API 變體
PRICING
OpenAI Transcription 定價
| Endpoint | 解析度 | 時長 | 價格 | |
|---|---|---|---|---|
| speech_to_text | — | — | $0.02 / minute |
以下為 gpt-transcribe 的定價。其他變體保留各自的 endpoint 定價。
Agent 整合
透過 Agent 執行 OpenAI Transcription
運作方式
開始使用 OpenAI Transcription
-
選擇模型
挑選符合輸出類型、品質門檻與延遲目標的模型與變體。
-
設定
設定 RunAPI key，並在 coding workspace 安裝 model skill。
-
開發
使用 skill 指引，在你的 app 內加入模型功能。
-
接收
透過 task ID 查詢、在支援時串流，或處理 webhook callback。
為何透過 RunAPI 使用 OpenAI Transcription API
統一定價與計費
按次以 USD 收費，每月結算。失敗的生成不會收費。
內含 schema 的 skill
型別化 schema 與 setup 備註打包在 model skill 內，讓實作從正確契約開始。
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。
我應該先用邊個版本？
先選最平而且符合你質素要求的版本。大多數團隊會先用快速版本，之後再升級到 pro 用於正式生產。
相似模型