POST /v1/audio/transcriptions como um formulário multipart com um campo file. Um corpo JSON com uma string base64 falha na validação. Só o SDK de TypeScript consegue enviar esse formulário; em todas as outras linguagens, envie-o com o cliente HTTP padrão, como abaixo, ou envie uma URL em vez disso (veja Transcreva áudio a partir de uma URL).
Envie um arquivo de áudio
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() ainda não envia multipart, então envie o formulário com 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() envia JSON, então envie o formulário com net/http e 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() envia JSON, então envie o formulário com 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() envia JSON, então envie o formulário com o Guzzle, que o Composer instalou junto com o 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 $response->getBody();
# generate_transcription envia JSON, então envie o formulário com Net::HTTP.
require 'net/http'
uri = URI('https://api.phaseo.app/v1/audio/transcriptions')
request = Net::HTTP::Post.new(uri)
request['Authorization'] = "Bearer #{ENV.fetch('PHASEO_API_KEY')}"
request.set_form(
[['model', 'openai/gpt-4o-transcribe'], ['language', 'en'], ['file', File.open('call.mp3')]],
'multipart/form-data'
)
response = Net::HTTP.start(uri.host, uri.port, use_ssl: true) { |http| http.request(request) }
puts response.body
// Os helpers JSON do SDK não codificam multipart, então envie o formulário com java.net.http.
import java.io.IOException;
import java.net.URI;
import java.net.http.HttpClient;
import java.net.http.HttpRequest;
import java.net.http.HttpRequest.BodyPublishers;
import java.net.http.HttpResponse.BodyHandlers;
import java.nio.file.Path;
import java.time.Duration;
import java.util.UUID;
String baseUrl = System.getenv().getOrDefault("PHASEO_BASE_URL", "https://api.phaseo.app/v1")
.replaceAll("/+$", "");
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());
| Linguagem | Método do SDK | Consegue enviar um arquivo? |
|---|---|---|
| TypeScript | client.generateTranscription(form) | Sim. Passe um corpo FormData e o SDK o envia como multipart sem alterações. O cast é necessário porque o tipo do método descreve um corpo JSON. |
| Python | client.generate_transcription(request) | Não. Ele sempre envia JSON, então envie o formulário com HTTPX, como acima. |
| Go | client.CreateTranscription(ctx, req) | Não. Ele envia JSON; use net/http e mime/multipart. |
| C# | client.CreateTranscription(request) | Não. Ele envia JSON; use HttpClient e MultipartFormDataContent. |
| PHP | $client->generateTranscription($request), alias createTranscription() | Não. Ele envia JSON; use a opção multipart do Guzzle. |
| Ruby | client.generate_transcription(...), alias create_transcription | Não. Ele envia JSON; use Net::HTTP e set_form. |
| Java | Nenhum | Não. Use java.net.http.HttpClient com um corpo multipart. |
| Rust | Nenhum | Não. client.post() envia apenas JSON, então só funciona para origens por URL. |
Transcreva áudio a partir de uma URL
Os modelos da Mistral, da ElevenLabs e da Morpheus conseguem ler o áudio de uma URL em vez de um upload. Como essa solicitação é JSON, os métodos dos SDKs que não conseguem enviar arquivos dão conta dela: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"]);
Parâmetros
Os nomes dos campos são os campos do formulário (ou campos JSON, para uma origem por URL) em todas as linguagens.| Campo | Observações |
|---|---|
model | Obrigatório. Um ID de modelo de transcrição. |
file | O áudio enviado: aac, flac, mp3, mp4, mpeg, mpga, m4a, ogg, opus, wav ou webm. Obrigatório, exceto nas opções de URL abaixo. Até 25 MB na maioria dos modelos. |
file_url, file_id, s3_presigned_url | Os modelos da Mistral, da ElevenLabs e da Morpheus aceitam exatamente uma origem de áudio, então podem usar uma URL em vez de file. |
language | Dica de idioma, como en. |
prompt | Contexto para melhorar a precisão. |
temperature | De 0 a 1 (de 0 a 2 na ElevenLabs). |
response_format | json, text, srt, verbose_json, vtt ou diarized_json. |
timestamp_granularities | word e/ou segment. |
stream | Transmite a transcrição à medida que ela é produzida, quando o modelo dá suporte. |
Resposta
AudioTranscriptionResponse, retornada no tipo de mapa de cada SDK (map[string]interface{} em Go, Dictionary<string, object>? em C#, um array em PHP, um Hash em Ruby):
{
"text": "Hello world"
}