mirror of https://github.com/snapotter-hq/SnapOtter.git synced 2026-08-03 07:46:42 +02:00

Files

T

SnapOtterandGitHub 4963ab3bbd feat(docs-i18n): translate all documentation into 20 languages

All 181 docs markdown files translated into 20 languages (apps/docs/<locale>/**). Companion to the i18n code PR; admin-merged because the file count exceeds GitHub's per-PR CI trigger limit. Validated by pnpm i18n:check (all surfaces, 0 stale/missing) and a clean all-locale docs build.

2026-07-11 13:52:47 +08:00

2.0 KiB

Raw Blame History

description, i18n_source_hash, i18n_provenance, i18n_output_hash

description	i18n_source_hash	i18n_provenance	i18n_output_hash
Zamienia mowę na tekst dzięki transkrypcji opartej na AI.	ae98c4c0aed2	human	79648d4d6f47

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

POST /api/v1/tools/audio/transcribe-audio

Przyjmuje dane formularza multipart z plikiem audio oraz polem JSON settings.

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

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

To jest narzędzie asynchroniczne. API natychmiast zwraca 202 Accepted:

{
  "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

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.

2.0 KiB Raw Blame History