POST /audio/transcriptions

Распознавание речи в аудиофайле в формате OpenAI. Тело запроса, ответ, цена и ошибки.

POST/api/v1/audio/transcriptionsAPI-ключ

Распознает речь в аудиофайле — как client.audio.transcriptions.create в OpenAI SDK. Запрос — multipart/form-data. Модели распознавания речи перечислены в каталоге и в GET /api/v1/models?output_modalities=transcription.

Тело запроса

Поле	Тип
`file`	file	Обязательно. Аудио: wav, mp3, flac, m4a, ogg, webm или aac, не больше 25 МБ.
`model`	string	Обязательно. ID модели распознавания речи.
`language`	string	Язык речи, код ISO-639-1 (`ru`, `en`).
`temperature`	number	От 0 до 1.
`response_format`	string	`json` (по умолчанию) или `verbose_json` с сегментами и длительностью. `text`, `srt`, `vtt` дают `400`.
`timestamp_granularities[]`	string	`segment` и/или `word`, с `verbose_json`.
`provider`	string	Настройки провайдера строкой JSON, например `{"zdr": true}`.

Ключ с маскированием данных не может распознавать речь: аудио нельзя проверить на чувствительные данные, поэтому запрос получает 403 с metadata.reason masking_audio.

Ответ

{
  "text": "Привет! Это проверка распознавания речи.",
  "usage": { "seconds": 9.2, "cost": 0.000506 }
}

Поле
`text`	Распознанный текст.
`usage.cost`	Сумма списания в PnP.
`usage.seconds`	Длительность аудио у моделей с оплатой за секунду.
`usage.input_tokens`, `usage.output_tokens`	Токены у моделей с оплатой за токены.

ID генерации — в заголовке ответа X-Generation-Id.

Цена

Модели берут плату за секунду аудио (на странице модели цена указана за минуту) или за токены. Списывается фактическая стоимость вызова. Длительность до распознавания неизвестна, поэтому резерв считается по размеру файла: 8 КБ на секунду аудио. В журнале кабинета у вызова указана длительность аудио.

Пример

curl https://router.nodul.ru/api/v1/audio/transcriptions \
  -H "Authorization: Bearer $NODUL_ROUTER_API_KEY" \
  -F file=@speech.mp3 \
  -F model=global-1/openai/whisper-large-v3-turbo

import os

from openai import OpenAI

client = OpenAI(base_url="https://router.nodul.ru/api/v1", api_key=os.environ["NODUL_ROUTER_API_KEY"])
with open("speech.mp3", "rb") as audio:
    transcript = client.audio.transcriptions.create(model="global-1/openai/whisper-large-v3-turbo", file=audio)
print(transcript.text)

Ошибки

Код	Когда
`400`	Нет файла, модель не распознает речь, `response_format` не `json`/`verbose_json`.
`402`	Баланса или лимита ключа не хватает на резерв.
`403`	Модель недоступна ключу, пространство разрешает только модели в России, ключ маскирует данные.
`413`	Аудиофайл больше 25 МБ.