语音转文字 API

上传音频，轮询任务，然后获取带有逐词时间戳和说话人标签的片段，格式为 JSON、TXT 或 SRT。语言可自动识别或按请求指定；Oracle 模型还支持翻译。

获取 API 密钥 查看文档

快速入门

先创建任务，再读取结果。全部参数见 API 文档。

curl https://app.kolwrite.com/transcribe \
  -H "x-api-key: YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"audio_url": "https://example.com/meeting.m4a",
       "model": "oracle",
       "language": "he",
       "include_diarization": true,
       "output_format": "json"}'

{"jobId": "34c63d45-4cb5-473b-bc60-25c175e69c57"}
curl https://app.kolwrite.com/transcribe/34c63d45-4cb5-473b-bc60-25c175e69c57 \
  -H "x-api-key: YOUR_API_KEY"

{
  "jobId": "34c63d45-4cb5-473b-bc60-25c175e69c57",
  "status": "COMPLETED",
  "result": {
    "language": "he",
    "segments": [
      {
        "start": 0.5,
        "end": 3.2,
        "speaker": "Speaker 1",
        "text": "שלום, נתחיל את הפגישה.",
        "words": [{"start": 0.5, "end": 0.8, "word": "שלום"}]
      }
    ]
  }
}

API 返回的内容

  • JSON 与 SRT 中包含每个词的起止时间。
  • 来自说话人分离的说话人标签，或每个物理声道一个标签。
  • 在 Oracle 模型上翻译为其他语言。
  • JSON、纯文本或 SRT，可按请求选择。
  • 任务完成时发送 webhook，或自行轮询任务。
  • 自动检测语言，也可按请求指定。

基准测试

在 Google FLEURS 和 Mozilla CommonVoice 上的准确率，越高越好。

Google FLEURS 准确率（%）

定价

按每小时音频计算的用量额度，按任务计费。

1 额度 US$1.20

模型 额度/小时
Base 0.40
Oracle Mini 0.80
Oracle 1.20
Oracle Pro 1.40
Oracle Max 3.00
Core旧版 1.00
Edge旧版 1.20

标准声道说话人分离已包含。重叠语音分离按所选模型费率计费，按录音时长与其各物理声道中检测到的语音总时长中的较大者计算。两种模式均不收取说话人分离附加费。

模型对比

模型选项一览。

模型 额度/小时 摘要 最适合
Base 0.40 低成本转写，含词级时间戳。 清晰音频和大批量任务
Oracle Mini 0.80 快速、经济的 Oracle 层级。 草稿和高吞吐量任务
Oracle旗舰 1.20 生产级转写和翻译。 兼顾质量、速度和成本
Oracle Pro 1.40 更高质量的 Oracle 层级。 高要求的生产音频
Oracle Max 3.00 最高质量的 Oracle 层级。 高难度、高风险音频
Core旧版 1.00 高速旧版通用模型。 现有 Core 集成
Edge旧版 1.20 上一代高准确率模型。 现有 Edge 集成

获取 API 密钥

先注册账户，再在 API 密钥页面生成密钥。

获取 API 密钥 查看文档