API: Transkription

Audio rein, Text raus. Deutsch und über 90 weitere Sprachen.

Eigenschaft	Wert
Modell-ID	whisper-1 (Whisper large-v3-turbo)
Endpunkt	POST /v1/audio/transcriptions, multipart, Feld file
Formate	wav, mp3, m4a, ogg, flac u. a.
Läuft auf	GBC-Servern in Deutschland

Chat-Modelle nehmen keine Audiodateien an. Dafür ist dieser Endpunkt da.

---

Beispiele

curlPython (OpenAI-SDK)

curl "$GBCAI_BASE_URL/audio/transcriptions" \
  -H "Authorization: Bearer $GBCAI_API_KEY" \
  -F file=@anruf.wav \
  -F model=whisper-1 \
  -F language=de

with open("anruf.wav", "rb") as f:
    t = client.audio.transcriptions.create(model="whisper-1", file=f, language="de")
print(t.text)

---

Antwortzeit

Nach einem Wartungsfenster dauert die erste Anfrage bis zu 30 Sekunden, weil das Modell neu lädt. Danach antwortet es typischerweise in unter einer Sekunde.