file フィールドを含むマルチパートフォームとして POST /v1/audio/transcriptions にアップロードします。base64 文字列を含む JSON 本文は検証に失敗します。このフォームを送れるのは TypeScript SDK だけです。その他の言語では、下記のように標準の HTTP クライアントで送信するか、代わりに URL を送ってください(URL の音声を文字起こしするを参照)。
音声ファイルをアップロードする
import { readFile } from "node:fs/promises";
const form = new FormData();
form.append("model", "openai/gpt-4o-transcribe");
form.append("language", "en");
form.append("file", new Blob([await readFile("call.mp3")], { type: "audio/mpeg" }), "call.mp3");
const transcript = await client.generateTranscription(form as unknown as Record<string, unknown>);
console.log(transcript.text);
# generate_transcription() can't send multipart yet, so post the form with HTTPX.
import os
import httpx
with open("call.mp3", "rb") as audio:
response = httpx.post(
"https://api.phaseo.app/v1/audio/transcriptions",
headers={"Authorization": f"Bearer {os.environ['PHASEO_API_KEY']}"},
data={"model": "openai/gpt-4o-transcribe", "language": "en"},
files={"file": ("call.mp3", audio, "audio/mpeg")},
timeout=120,
)
response.raise_for_status()
print(response.json()["text"])
// CreateTranscription() sends JSON, so post the form with net/http and mime/multipart.
var body bytes.Buffer
form := multipart.NewWriter(&body)
_ = form.WriteField("model", "openai/gpt-4o-transcribe")
_ = form.WriteField("language", "en")
part, _ := form.CreateFormFile("file", "call.mp3")
audio, _ := os.ReadFile("call.mp3")
_, _ = part.Write(audio)
_ = form.Close()
req, _ := http.NewRequest("POST", "https://api.phaseo.app/v1/audio/transcriptions", &body)
req.Header.Set("Authorization", "Bearer "+os.Getenv("PHASEO_API_KEY"))
req.Header.Set("Content-Type", form.FormDataContentType())
resp, err := http.DefaultClient.Do(req)
// CreateTranscription() sends JSON, so post the form with HttpClient.
using var http = new HttpClient();
http.DefaultRequestHeaders.Authorization =
new("Bearer", Environment.GetEnvironmentVariable("PHASEO_API_KEY"));
using var form = new MultipartFormDataContent
{
{ new StringContent("openai/gpt-4o-transcribe"), "model" },
{ new StringContent("en"), "language" },
{ new ByteArrayContent(await File.ReadAllBytesAsync("call.mp3")), "file", "call.mp3" },
};
var response = await http.PostAsync("https://api.phaseo.app/v1/audio/transcriptions", form);
Console.WriteLine(await response.Content.ReadAsStringAsync());
<?php
// generateTranscription() sends JSON, so post the form with Guzzle, which Composer installed with the SDK.
require 'vendor/autoload.php';
$http = new GuzzleHttp\Client();
$response = $http->post('https://api.phaseo.app/v1/audio/transcriptions', [
'headers' => ['Authorization' => 'Bearer ' . getenv('PHASEO_API_KEY')],
'multipart' => [
['name' => 'model', 'contents' => 'openai/gpt-4o-transcribe'],
['name' => 'language', 'contents' => 'en'],
['name' => 'file', 'contents' => fopen('call.mp3', 'r'), 'filename' => 'call.mp3'],
],
]);
echo $response->getBody();
# generate_transcription sends JSON, so post the form with Net::HTTP.
require 'net/http'
uri = URI('https://api.phaseo.app/v1/audio/transcriptions')
request = Net::HTTP::Post.new(uri)
request['Authorization'] = "Bearer #{ENV.fetch('PHASEO_API_KEY')}"
request.set_form(
[['model', 'openai/gpt-4o-transcribe'], ['language', 'en'], ['file', File.open('call.mp3')]],
'multipart/form-data'
)
response = Net::HTTP.start(uri.host, uri.port, use_ssl: true) { |http| http.request(request) }
puts response.body
// The SDK's JSON helpers don't encode multipart, so post the form with java.net.http.
import java.io.IOException;
import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpRequest.BodyPublishers;
import java.net.http.HttpResponse.BodyHandlers;
import java.nio.file.Path;
import java.time.Duration;
import java.util.UUID;
String baseUrl = System.getenv().getOrDefault("PHASEO_BASE_URL", "https://api.phaseo.app/v1")
.replaceAll("/+$", "");
String apiKey = System.getenv("PHASEO_API_KEY");
String boundary = "phaseo-" + UUID.randomUUID();
var body = BodyPublishers.concat(
BodyPublishers.ofString("--" + boundary + "\r\nContent-Disposition: form-data; name=\"model\"\r\n\r\nopenai/gpt-4o-transcribe\r\n"),
BodyPublishers.ofString("--" + boundary + "\r\nContent-Disposition: form-data; name=\"language\"\r\n\r\nen\r\n"),
BodyPublishers.ofString("--" + boundary + "\r\nContent-Disposition: form-data; name=\"file\"; filename=\"call.mp3\"\r\nContent-Type: audio/mpeg\r\n\r\n"),
BodyPublishers.ofFile(Path.of("call.mp3")),
BodyPublishers.ofString("\r\n--" + boundary + "--\r\n")
);
var request = HttpRequest.newBuilder(URI.create(baseUrl + "/audio/transcriptions"))
.header("Authorization", "Bearer " + apiKey)
.header("Content-Type", "multipart/form-data; boundary=" + boundary)
.timeout(Duration.ofSeconds(60))
.POST(body)
.build();
var response = HttpClient.newHttpClient().send(request, BodyHandlers.ofString());
if (response.statusCode() < 200 || response.statusCode() >= 300) {
throw new IOException("HTTP " + response.statusCode() + ": " + response.body());
}
System.out.println(response.body());
| 言語 | SDK のメソッド | ファイルをアップロードできるか |
|---|---|---|
| TypeScript | client.generateTranscription(form) | はい。FormData の本文を渡すと、SDK はそれをマルチパートとしてそのまま送信します。メソッドの型は JSON 本文を表しているため、キャストが必要です。 |
| Python | client.generate_transcription(request) | いいえ。常に JSON を送信するため、上記のように HTTPX でフォームを送信してください。 |
| Go | client.CreateTranscription(ctx, req) | いいえ。JSON を送信します。net/http と mime/multipart を使ってください。 |
| C# | client.CreateTranscription(request) | いいえ。JSON を送信します。HttpClient と MultipartFormDataContent を使ってください。 |
| PHP | $client->generateTranscription($request)、別名 createTranscription() | いいえ。JSON を送信します。Guzzle の multipart オプションを使ってください。 |
| Ruby | client.generate_transcription(...)、別名 create_transcription | いいえ。JSON を送信します。Net::HTTP と set_form を使ってください。 |
| Java | なし | いいえ。マルチパートの本文で java.net.http.HttpClient を使ってください。 |
| Rust | なし | いいえ。client.post() は JSON しか送信しないため、使えるのは URL のソースだけです。 |
URL の音声を文字起こしする
Mistral、ElevenLabs、Morpheus のモデルは、アップロードの代わりに URL から音声を読み込めます。このリクエストは JSON なので、ファイルをアップロードできない SDK のメソッドでも扱えます。result = client.generate_transcription({
"model": "mistral/voxtral-mini-transcribe-2",
"file_url": "https://example.com/call.mp3",
"language": "en",
})
print(result["text"])
resp, err := client.CreateTranscription(context.Background(), map[string]interface{}{
"model": "mistral/voxtral-mini-transcribe-2",
"file_url": "https://example.com/call.mp3",
"language": "en",
})
if err != nil {
panic(err)
}
fmt.Println(resp["text"])
var response = await client.CreateTranscription(new Dictionary<string, object>
{
["model"] = "mistral/voxtral-mini-transcribe-2",
["file_url"] = "https://example.com/call.mp3",
["language"] = "en",
});
$response = $client->generateTranscription([
'model' => 'mistral/voxtral-mini-transcribe-2',
'file_url' => 'https://example.com/call.mp3',
'language' => 'en',
]);
echo $response['text'];
response = client.generate_transcription(
model: 'mistral/voxtral-mini-transcribe-2',
file_url: 'https://example.com/call.mp3',
language: 'en'
)
let response = client.post("/audio/transcriptions", &json!({
"model": "mistral/voxtral-mini-transcribe-2",
"file_url": "https://example.com/call.mp3",
"language": "en"
}))?;
println!("{}", response.body["text"]);
パラメーター
どの言語でも、フィールド名はフォームのフィールド(URL のソースでは JSON のフィールド)です。| フィールド | 注記 |
|---|---|
model | 必須。文字起こしモデルの ID。 |
file | アップロードする音声。aac、flac、mp3、mp4、mpeg、mpga、m4a、ogg、opus、wav、webm のいずれか。下記の URL オプションを使う場合を除き必須です。多くのモデルでは最大 25 MB です。 |
file_url、file_id、s3_presigned_url | Mistral、ElevenLabs、Morpheus のモデルは音声ソースをちょうど 1 つ受け取るため、file の代わりに URL を使えます。 |
language | en などの言語のヒント。 |
prompt | 精度を上げるためのコンテキスト。 |
temperature | 0〜1(ElevenLabs では 0〜2)。 |
response_format | json、text、srt、verbose_json、vtt、diarized_json のいずれか。 |
timestamp_granularities | word と segment のどちらか、または両方。 |
stream | モデルが対応している場合、生成されるそばから文字起こしをストリーミングします。 |
レスポンス
AudioTranscriptionResponse。各 SDK のマップ型(Go では map[string]interface{}、C# では Dictionary<string, object>?、PHP では配列、Ruby では Hash)として返されます。
{
"text": "Hello world"
}