Transcription de la parole

Informations communes

• Base URL : https://api.routeapi.ai
• Authentification : Authorization: Bearer $ROUTEAPI_KEY avec une clé API commençant par sk- (à créer sur la page API Keys de la console). Les clés de gestion commençant par rat_ ne peuvent pas appeler les modèles.
• Format d’erreur : {"error": {"message": "...", "type": "...", "code": "..."}}. Voir Erreurs courantes pour la signification de chaque code d’état.

RouteAPI expose les deux endpoints audio d’OpenAI : la transcription, qui renvoie l’audio dans sa langue d’origine, et la traduction, qui renvoie toujours l’anglais. Les deux acceptent multipart/form-data, renvoient leur résultat dans la même réponse — il n’y a ni tâche asynchrone ni étape d’interrogation — et s’authentifient avec la même clé API que le reste de l’API des modèles.

Point de terminaison	Rôle	Réponse
POST /v1/audio/transcriptions	Audio vers texte, dans la langue source	JSON ou texte, selon response_format
POST /v1/audio/translations	Audio vers texte anglais	JSON ou texte, selon response_format

Si la Base URL de votre client est configurée sans /v1, POST /audio/transcriptions et POST /audio/translations fonctionnent également ; la passerelle les réécrit en interne vers les chemins /v1.

La liste des modèles ne distingue pas les modèles audio

Les types de point de terminaison intégrés de RouteAPI ne contiennent aucune valeur audio ; un modèle de transcription n’est donc pas distinguable d’un modèle de chat dans GET /v1/models : son supported_endpoint_types reflète le type de canal qui le sert (le plus souvent openai). Choisissez l’ID de modèle dans la liste, puis appelez le chemin audio avec celui-ci. Voir Modèles.

Transcriptions

Transcrit un fichier audio dans sa langue d’origine. Envoyez-le en multipart/form-data.

POST /v1/audio/transcriptions

https://api.routeapi.ai/v1/audio/transcriptions

Paramètres de la requête

Champ	Type	Requis	Description
file	file	Oui	Le fichier audio. Seule la première partie file est transmise
model	string	Oui	ID du modèle de transcription, par exemple whisper-1, gpt-4o-transcribe ou gpt-4o-mini-transcribe
response_format	string	Non	Format de sortie demandé, par exemple json, text, srt, vtt ou verbose_json. RouteAPI considère json comme sa valeur par défaut mais n’écrit pas de valeur par défaut dans le formulaire transmis : lorsque vous omettez le champ, l’amont applique sa propre valeur par défaut et le corps de l’amont est renvoyé tel quel
language	string	Non	Indication de langue ISO-639-1, transmise à l’amont
prompt	string	Non	Indication de contexte ou de terminologie, transmise à l’amont
temperature	number	Non	Température d’échantillonnage, transmise à l’amont
timestamp_granularities[]	array	Non	Niveau de détail des horodatages ; transmis, et n’a de sens en amont qu’avec verbose_json

Les autres champs de formulaire sont également transmis. La passerelle reconstruit le corps multipart à partir de votre formulaire : elle écrit elle-même model, copie la première partie fichier et recopie tous les autres champs texte. RouteAPI ne valide que model ; le fait que des champs comme chunking_strategy soient pris en compte est décidé par le modèle en amont.

Exemples

curl https://api.routeapi.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $ROUTEAPI_KEY" \
  -F "file=@./meeting.mp3" \
  -F "model=whisper-1" \
  -F "response_format=json" \
  -F "language=en"

import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ROUTEAPI_KEY"],
    base_url="https://api.routeapi.ai/v1",
)

with open("meeting.mp3", "rb") as audio_file:
    transcript = client.audio.transcriptions.create(
        model="whisper-1",
        file=audio_file,
        response_format="json",
    )

print(transcript.text)

Réponse

Le corps de réponse de l’amont est renvoyé tel quel, avec Content-Type et Content-Length normalisés. Avec response_format défini à json — la valeur par défaut des amonts compatibles OpenAI — vous obtenez :

{
  "text": "This is the transcribed content of the uploaded audio."
}

Avec verbose_json, vous obtenez normalement aussi task, language, duration et segments ; avec text, srt ou vtt, le corps est du texte brut plutôt que du JSON. Le fournisseur définit exactement lesquels de ces formats un modèle donné prend en charge — RouteAPI ne remodèle pas le corps.

Utilisez un conteneur que la passerelle peut mesurer

Pour estimer la durée, la passerelle lit la longueur du fichier envoyé d’après son extension avant que la requête ne parte en amont. mp3, wav, flac, m4a/mp4, ogg/oga, opus, aac et aiff sont pris en charge. Un conteneur qu’elle ne peut pas mesurer — notamment WebM — fait échouer l’estimation des tokens, et la requête renvoie une erreur au lieu d’une transcription. Convertissez ces fichiers en mp3 ou wav avant l’envoi. (Cela s’applique lorsque le comptage des tokens est activé, ce qui est le cas par défaut.)

Traductions

Même forme multipart que les transcriptions, mais la sortie est toujours du texte anglais, quelle que soit la langue d’entrée. Les mêmes champs s’appliquent (file, model, response_format, prompt, temperature). La langue source est détectée par le modèle : il n’y a donc pas de paramètre language dans le contrat de traduction — la passerelle transmet les champs de formulaire supplémentaires, mais un amont qui ne les accepte pas peut rejeter la requête.

POST /v1/audio/translations

https://api.routeapi.ai/v1/audio/translations

curl https://api.routeapi.ai/v1/audio/translations \
  -H "Authorization: Bearer $ROUTEAPI_KEY" \
  -F "file=@./interview-de.mp3" \
  -F "model=whisper-1"

import os

from openai import OpenAI

client = OpenAI(
    api_key=os.environ["ROUTEAPI_KEY"],
    base_url="https://api.routeapi.ai/v1",
)

with open("interview-de.mp3", "rb") as audio_file:
    result = client.audio.translations.create(
        model="whisper-1",
        file=audio_file,
    )

print(result.text)

Facturation

Les appels de reconnaissance vocale utilisent le même mécanisme de solde et de quota que tout autre appel de l’API des modèles : un montant estimé est prélevé au préalable, l’appel est réglé après la réponse de l’amont, et un appel échoué est remboursé. Les prix proviennent de la configuration du modèle — voir Tarification des modèles pour savoir comment les prix sont affichés sur la page de détail d’un modèle.

• Si la réponse de l’amont contient un objet usage avec un total_tokens non nul, c’est cet usage qui est facturé (input_tokens/output_tokens sont utilisés lorsque prompt_tokens/completion_tokens sont absents).
• Si l’amont ne signale aucun usage, la passerelle se rabat sur l’estimation de durée : 1000 tokens par minute d’audio envoyé et aucun token de sortie. Sur les modèles tarifés au token, cette même estimation sert à la pré-réservation (plancher au montant minimum de pré-réservation de la passerelle pour toute requête).
• Si l’usage signalé comporte des détails de tokens audio, ces tokens sont facturés au tarif audio ; sinon, ils sont facturés comme des tokens d’entrée ordinaires au multiplicateur du modèle. Le repli sur la durée ne comporte aucun détail audio, ce qui explique que 1000 tokens par minute corresponde à un tarif à la minute.
• Lorsque le repli s’applique, le coût d’une transcription suit la longueur de l’audio, et non la quantité de texte renvoyée. Lorsque l’amont signale bien un usage, c’est cette répartition signalée qui prime.

Note

Les tarifs à la minute et au token ci-dessus sont les règles comptables de la passerelle ; le montant réellement débité est le prix configuré du modèle multiplié par le multiplicateur de votre groupe. Confirmez le tarif dans la place des modèles avant un lot important.

Erreurs

Les requêtes audio utilisent le corps standard { "error": { ... } }, et le message contient un request ID que vous pouvez rechercher dans les journaux de la console. Voir Erreurs courantes pour la liste complète.

Statut	Code	Cause
400	invalid_request	model est absent ou vide (Missing required field: model)
403	insufficient_user_quota / pre_consume_token_quota_failed	Le solde du compte ou le quota de la clé ne couvre pas le coût estimé
403	—	Le modèle est hors de la liste blanche de modèles de la clé (This token has no access to model ...)
429	—	La limite de débit a été dépassée
503	model_not_found	Aucun canal utilisable pour le modèle (No valid upstream service)
500	count_token_failed	La durée de l’audio envoyé ne peut pas être mesurée (extension ou conteneur non pris en charge)
500	convert_request_failed	La requête ne peut pas être convertie pour le canal — par exemple une transcription sans partie file, ou un canal dont l’adaptateur n’implémente pas l’audio
4xx / 5xx	code de l’amont	Le fournisseur a rejeté la requête ; le statut et le message sont transmis tels quels

{
  "error": {
    "message": "Missing required field: model (request id: 20261023153000123456789AbCdEfGh)",
    "type": "error",
    "code": "invalid_request"
  }
}

Deux modes d’échec méritent d’être anticipés, car ils se confondent facilement avec des problèmes du fournisseur :

• file absent sur une transcription ou une traduction n’est pas intercepté par la couche de validation de la passerelle ; l’erreur apparaît plus tard sous la forme convert_request_failed. Vérifiez que le nom du champ est exactement file et que le client a réellement joint une partie.
• Un conteneur audio non pris en charge échoue pendant l’estimation des tokens, avant tout appel à l’amont : il est donc signalé comme count_token_failed et non comme une erreur en amont.

Lorsqu’une requête échoue, le montant pré-réservé est remboursé.

Étapes suivantes

• Synthèse vocale — générez de l’audio à partir de texte.
• Modèles — vérifiez que l’ID de modèle est visible pour votre clé avant d’appeler un endpoint audio.
• Tarification des modèles — comment les prix d’entrée et de sortie audio sont affichés.
• Erreurs courantes — codes de statut, corps d’erreur et ordre de dépannage.