mirror of
https://github.com/snapotter-hq/SnapOtter.git
synced 2026-08-03 07:46:42 +02:00
54 lines
2.0 KiB
Markdown
54 lines
2.0 KiB
Markdown
|
---
|
||
|
|
description: "Zamienia mowę na tekst dzięki transkrypcji opartej na AI."
|
||
|
|
i18n_source_hash: ae98c4c0aed2
|
||
|
|
i18n_provenance: human
|
||
|
|
i18n_output_hash: 79648d4d6f47
|
||
|
|
---
|
||
|
|
|
||
|
|
# Transcribe Audio {#transcribe-audio}
|
||
|
|
|
||
|
|
Zamienia mowę na tekst przy użyciu transkrypcji opartej na AI (faster-whisper). Obsługuje formaty wyjściowe zwykłego tekstu, SRT i VTT z automatycznym lub ręcznym wyborem języka.
|
||
|
|
|
||
|
|
## API Endpoint {#api-endpoint}
|
||
|
|
|
||
|
|
`POST /api/v1/tools/audio/transcribe-audio`
|
||
|
|
|
||
|
|
Przyjmuje dane formularza multipart z plikiem audio oraz polem JSON `settings`.
|
||
|
|
|
||
|
|
## Parameters {#parameters}
|
||
|
|
|
||
|
|
| Parametr | Typ | Wymagany | Domyślny | Opis |
|
||
|
|
|-----------|------|----------|---------|-------------|
|
||
|
|
| language | string | Nie | `"auto"` | Język: `auto`, `en`, `de`, `fr`, `es`, `zh`, `ja`, `ko`, `id`, `th`, `vi` |
|
||
|
|
| outputFormat | string | Nie | `"txt"` | Format wyjściowy: `txt`, `srt`, `vtt` |
|
||
|
|
|
||
|
|
## Example Request {#example-request}
|
||
|
|
|
||
|
|
```bash
|
||
|
|
curl -X POST http://localhost:1349/api/v1/tools/audio/transcribe-audio \
|
||
|
|
-H "Authorization: Bearer si_your-api-key" \
|
||
|
|
-F "file=@audio.mp3" \
|
||
|
|
-F 'settings={"language": "en", "outputFormat": "srt"}'
|
||
|
|
```
|
||
|
|
|
||
|
|
## Example Response {#example-response}
|
||
|
|
|
||
|
|
To jest narzędzie asynchroniczne. API natychmiast zwraca `202 Accepted`:
|
||
|
|
|
||
|
|
```json
|
||
|
|
{
|
||
|
|
"jobId": "a1b2c3d4-e5f6-7890-abcd-ef1234567890",
|
||
|
|
"async": true
|
||
|
|
}
|
||
|
|
```
|
||
|
|
|
||
|
|
Śledź postęp przez SSE pod `GET /api/v1/jobs/{jobId}/progress`. Po zakończeniu zadania strumień SSE dostarcza końcowy wynik z `downloadUrl`.
|
||
|
|
|
||
|
|
## Notes {#notes}
|
||
|
|
|
||
|
|
- Wymaga zainstalowania pakietu funkcji **transcription**. Zwraca `501` z kodem `FEATURE_NOT_INSTALLED`, brakującym `feature`, `featureName` oraz `estimatedSize`, jeśli pakiet nie jest dostępny.
|
||
|
|
- Do transkrypcji używa faster-whisper. Język `auto` automatycznie wykrywa mówiony język.
|
||
|
|
- Formaty `srt` i `vtt` zawierają znaczniki czasu dla każdego segmentu, odpowiednie do napisów.
|
||
|
|
- Format `txt` zwraca zwykły tekst bez znaczników czasu.
|
||
|
|
- To jest długotrwałe narzędzie AI; czas przetwarzania zależy od długości audio i sprzętu serwera.
|