STT语音转文本API文档

概念介绍

STT(Speech-to-Text)是将语音转换为文本的技术，基于OpenAI Whisper模型实现。适用于：

• 语音笔记转文字
• 会议录音转文字稿
• 语音助手开发
• 音频内容分析

API接口

语音转文本

请求方式：POST
Base URL：https://www.dmxapi.cn/v1/audio/transcriptions

请求参数

参数名	类型	必填	说明
model	string	是	固定值"whisper-1"
file	binary	是	音频文件(支持mp3,wav等格式)

请求头

Authorization: Bearer sk-******  # 替换为你的DMXAPI令牌
Content-Type: multipart/form-data

Python调用示例

import json  # 添加 json 库的导入

import requests


def q_voice_to_text(file_path_wav):
    url = "https://www.dmxapi.cn/v1/audio/transcriptions"

    payload = {"model": "whisper-1"}
    files = {"file": ("audio.mp3", open(file_path_wav, "rb"))}

    # 直接使用 API 密钥
    gpt_key = (
        "sk-sq3LViN553MWvkatNyyGI3xebiSBcgDWBIkLnQNFWN58lIPx"  # 更换为你的 DMXAPI 令牌
    )

    headers = {"Authorization": f"Bearer {gpt_key}"}

    # 发送请求
    response = requests.request("POST", url, headers=headers, data=payload, files=files)

    # 处理响应
    data = json.loads(response.text)

    # 获取返回的文本内容
    voice_text = data["text"] if data["text"] is not None else ""

    return voice_text


print(q_voice_to_text("C:\\kywpy\\jay.mp3"))  # 替换为实际的音频文件路径

注意事项

1. 音频文件大小建议不超过25MB
2. 支持多种音频格式：mp3, mp4, mpeg, mpga, m4a, wav, webm
3. 请妥善保管API密钥，不要泄露
4. 调用频率限制请参考DMXAPI官方文档