一組驗證，全部供應商通用
一把 RunAPI 金鑰就能開通整個目錄。無需分開註冊帳戶，也不用為每個整合各自輪替金鑰。
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 端點，將上傳的音訊檔案轉成文字。Whisper-1 支援字幕與時間戳記輸出；GPT Transcribe 則支援關鍵字和語言提示，適合多語言音訊。
供應商
OpenAI
模態
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 |
顯示 gpt-transcribe 的定價。其他變體保有各自的 endpoint 定價。
Agent 整合
透過 Agent 執行 OpenAI Transcription
運作方式
OpenAI Transcription 快速入門
-
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。
為什麼透過 RunAPI 使用 OpenAI Transcription API
統一價格與計費
以美元按次計費，每月結帳。失敗的生成不收費。
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 和 GPT Transcribe 有什麼差別？
Whisper-1 支援 JSON、純文字、字幕、詳細 JSON 與時間戳記輸出。GPT Transcribe 專注於 JSON 或純文字輸出，並可接受關鍵字及多語言提示。
可以轉錄哪些音訊檔案？
端點接受 FLAC、MP3、MP4、MPEG、MPGA、M4A、OGG、WAV 和 WebM 格式，上傳檔案大小上限為 25 MB。
API 可以產生字幕和單字時間戳記嗎？
Whisper-1 可回傳 SRT 或 VTT 字幕，也能透過詳細 JSON 提供單字或片段層級的時間戳記。GPT Transcribe 不支援這些輸出模式。
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的清單，並加入人名和專業術語的關鍵字提示。
音訊轉錄採同步處理嗎？
是。請求成功後會直接回傳完整逐字稿，不需要透過另一個任務端點輪詢。
我應該先從哪個版本開始？
先選擇符合你品質標準中最便宜的版本。大多數團隊會先用快速版本，之後再升級到專業版用於正式上線。
相似模型