音频转写 - StepFun 开放平台文档中心

将上传的音频文件识别为文本，一次性返回完整结果，适合简单的整段转写场景。推荐使用模型 stepaudio-2.5-asr。

如需分句与字 / 词级时间戳、双声道分轨、说话人识别等进阶能力，请使用音频文件识别。

请求地址

POST https://api.stepfun.com/v1/audio/transcriptions 请求体为 multipart/form-data。

请求参数

model string required
模型名称，支持 stepaudio-2.5-asr、step-asr（旧模型名称）。
response_format string required
输出格式，支持 json、text。
file File required
待识别的音频文件，支持 mp3、pcm、ogg、wav，文件需小于 100MB。
hotwords string optional
热词列表，为可解析的 JSON 数组字符串，如 ["热词1", "热词2"]。

返回

接口根据 response_format 返回对应格式的识别结果。

json
text

text string
识别所得的完整文本。

{ "text": "测试录制音频" }

测试录制音频

示例

curl

curl -L 'https://api.stepfun.com/v1/audio/transcriptions' \
  -H "Authorization: Bearer $STEPFUN_API_KEY" \
  -F 'model="stepaudio-2.5-asr"' \
  -F 'response_format="json"' \
  -F 'file=@"sample.mp3"'

音频文件识别查询 Model 列表