OpenAI: Whisper 1

Whisper 1 將完整錄製的音訊檔案轉錄為文字，支援多語言辨識，以及單字或片段時間戳記。製作者提供字幕格式與獨立的英語翻譯流程；轉錄結果則保留錄音的語言。

Ailoot Ultra · 語音辨識 POST /v1/audio/transcriptions openai/whisper-1

關於模型

此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。

Whisper 1 是 OpenAI 的通用語音辨識 API 模型，文件記載其由開源 Whisper V2 模型驅動。它接受音訊檔案並傳回文字。製造商列有多語言辨識、語言識別及獨立的語音翻譯任務。轉錄會保留說話的語言；製作者的獨立翻譯介面則傳回英語文字。

實用的應用情境是將訪談、語音備忘錄或錄製的對話，整理成可供後續搜尋及編輯的內容。請提供完整錄音，並在已知時指定輸入語言。OpenAI 記載支援 98 種語言，並提醒辨識準確度會隨語言而異。單一語言提示使用 ISO 639-1 代碼；其他轉錄模型較新的多語言及關鍵字欄位，則是另外的控制項。

製作者的檔案轉錄流程接受最大 25 MB 的檔案，格式可為 MP3、MP4、MPEG、MPGA、M4A、WAV 或 WebM。較大的錄音可使用壓縮格式，或切成符合上限的區塊。請保留句子邊界與區塊順序，讓合併後的轉錄稿仍能對應原始錄音。影片容器在此任務中提供的是音訊，而非視覺描述的輸入。

提示可提供名稱、縮寫、錄音特有的詞彙，以及前一片段的上下文。Whisper 的提示上限為 224 個 token，提示語言也應與音訊相同。製造商指出，Whisper 不會像通用文字模型那樣遵循指令。請將提示用作相關的轉錄上下文，再對照錄音確認重要字詞的拼寫，而不能將術語清單視為說話者一定說過的內容。

製作者記載的轉錄格式包括 JSON、純文字、SRT、VTT 及 verbose JSON。單字與片段時間戳記需要使用 verbose JSON，可要求其中一種粒度，或同時要求兩種。API 參考文件指出，片段時間戳記不會增加額外延遲，單字時間戳記則需要額外處理。這些輸出有助於製作字幕，以及在編輯時定位段落；說話者分離註記則屬於另一個專門模型的功能。

Whisper 1 不支援檔案轉錄串流。其參考文件也列有 0 至 1 的取樣溫度；設定為 0 時，若解碼門檻要求，模型可以自動提高溫度。這描述的是製作者的處理控制，並不保證每份錄音都會產生完全相同或毫無錯誤的轉錄稿。

請定義最終成果：用於搜尋的轉錄稿、字幕檔案，或帶有單字／片段時間資訊的文字。將原始錄音、區塊順序及相關原始時間參照與結果一併保留。後續文字編輯可以修正拼寫或製作摘要，但應將變更與音訊比對，以保留說話者的原意。辨識出的文字是下一項任務的依據，而非對口述問題生成的回答。

Ailoot Ultra · 語音辨識 POST /v1/audio/transcriptions openai/whisper-1

openai/whisper-1

OpenAI /openai/whisper-1

入門

接受的輸入: 音訊
結果: transcription

Ailoot 可用 · 輸入與方法

Ailoot Ultra · 語音辨識 POST /v1/audio/transcriptions

輸入: audio
輸出: transcription
輸出格式: json

欄位	類型	要求	值與限制	預設值
欄位`model`	類型`string`	要求必填	值與限制 openai/whisper-1	預設值—
欄位`file`	類型`file`	要求必填	值與限制內容類型: multipart/form-data	預設值—
欄位`response_format`	類型`string`	要求選填	值與限制 json	預設值—
欄位`input_audio.data`	類型`base64_string`	要求必填	值與限制適用條件: WhisperOR JSON 輸入	預設值—
欄位`input_audio.format`	類型`string`	要求必填	值與限制 wav, mp3, flac, ogg, m4a, webm 適用條件: WhisperOR JSON 輸入	預設值—

輸入素材組合

· 必填： model, file

方法參數與生命週期

參數	規格
參數`contours`	規格{"content_types":["application/json","multipart/form-data"],"required_json":["model","input_audio.data","input_audio.format"],"required_multipart":["model","file"],"file_formats":["wav","mp3","flac","ogg","m4a","webm"],"response_format_optional":["json"]}, {"content_types":["multipart/form-data"],"required":["model","file"],"file_formats":["mp3"],"response_format_option":false}
參數`max_bytes`	規格26214400
參數`material_types`	規格audio

生命週期： synchronous_result_then_owned_library

GET /v1/media/tasks/{task_id} · 實際回傳的 task_id 或媒體庫紀錄

GET /v1/media/assets/{asset_id}/content

GET /v1/media/assets

GET /v1/media/assets/{asset_id}

請使用實際錄音與相符的格式。

請保留完整轉錄文字、片段、說話者 ID 與時間資訊。

方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式: 未指定選取快速模式時
flex 模式: 未指定選取 flex 模式時
最高推理強度: 未指定最高推理強度採用 default 調整值時

Ailoot 費率

各設定的價格

請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。

設定	費率表	計費單位	費用
設定基礎 token 費率	費率表基本費率	計費單位—	費用輸入 · 輸入 Token — / 1K Token 輸出 · 輸出 Token — / 1K Token 輸入 · 讀取快取 — / 1K Token 輸入 · 寫入快取 — / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token
設定輸入音訊秒數	費率表—	計費單位每秒輸入音訊	費用輸入 · 輸入音訊秒數 $0.0002 每秒輸入音訊

參考費率詳情

模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。

OpenAI: Whisper 1

各設定的價格

設定	計費條件	費用
設定OpenAI: Whisper 1 · 預設設定	計費條件預設設定	費用輸入 · 輸入音訊秒數 US$0.0002 每秒輸入音訊

Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →

請求範例

Ailoot Ultra · 語音辨識

curl

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_AUDIO_FILE:?Set the path to your actual MP3 recording}"
export AILOOT_AUDIO_FILE
python3 - <<'PY_REQUEST'
import os
from pathlib import Path
p=Path(os.environ["AILOOT_AUDIO_FILE"])
if not p.is_file() or p.suffix.lower()!=".mp3":raise SystemExit("Choose an existing MP3 recording")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" \
  --form-string model=openai/whisper-1 -F "file=@$AILOOT_AUDIO_FILE" \
  -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("result.json").read_text())))
PY_RESULT

接收並儲存結果

Ailoot Ultra · 語音辨識

json

GET /v1/media/tasks/{task_id}
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}

其他內容讀取方式

媒體庫工作狀態素材詳細資訊

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-assets.json

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_MEDIA_TASK_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_MEDIA_TASK_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_MEDIA_TASK_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/tasks/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-task.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-task.json").read_text())))
PY_RESULT

set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_ASSET_ID:?Set the actual ID returned by the response or media-library metadata}"
export AILOOT_ASSET_ID
resource_id=$(python3 -c 'import os,urllib.parse;print(urllib.parse.quote(os.environ["AILOOT_ASSET_ID"],safe=""))')
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/media/assets/$resource_id" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o media-asset.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
print(json.dumps(json.loads(Path("media-asset.json").read_text())))
PY_RESULT

保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

請保留完整 JSON，而非僅保留文字；所有可用的片段／說話者／時間戳記與實際工作／資產身分均須保留。

需要檢查原始回應時

保留原始 operation_id/X-Client-Request-ID 以供核對，請勿重新提交；沒有專用的音訊輪詢路由。

回應欄位

欄位	類型
欄位`text`	類型string
欄位`segments[]`	類型object
欄位`task_id`	類型string
欄位`asset_url`	類型string
欄位`usage`	類型object

錯誤與後續步驟

回應	條件	下一步
回應400 · `invalid_request_error`	條件必要欄位、素材表示方式或參數值無效	下一步提出新的建立請求前，先修正指定欄位。
回應`server_error`	條件回傳的回應表示該作業或結果需要檢查	下一步保留原始回傳的作業／任務 ID、請求標頭與回應；繼續以支援的方式讀取該原始作業。請勿重新提交建立請求。

別名

模型別名

Ailoot Ultra openai/whisper-1

方法路徑別名

請使用上方列出的 API 方法路徑。

OpenAI: Whisper 1

OpenAI: Whisper 1

入門

Ailoot 可用 · 輸入與方法

方案

Ailoot 費率

各設定的價格

參考費率詳情

各設定的價格

請求範例

Ailoot Ultra · 語音辨識

接收並儲存結果

Ailoot Ultra · 語音辨識

保留所有已完成的結果

需要檢查原始回應時

別名

模型別名

方法路徑別名

相關呼叫用 ID

公司及其專案組合

優惠購買 token。

將 API 加入你銷售的產品。

OpenAI: Whisper 1

OpenAI: Whisper 1

入門

Ailoot 可用 · 輸入與方法

方案

Ailoot 費率

各設定的價格

參考費率詳情

各設定的價格

請求範例

Ailoot Ultra · 語音辨識

接收並儲存結果

Ailoot Ultra · 語音辨識

保留所有已完成的結果

需要檢查原始回應時

別名

模型別名

方法路徑別名

相關呼叫用 ID

公司及其專案組合

優惠購買 token。

將 API 加入 你銷售的產品。

將 API 加入你銷售的產品。