Распознавание речи

POST https://api.aitunnel.ru/v1/audio/transcriptions принимает файл в multipart/form-data. В OpenAI SDK достаточно указать base_url https://api.aitunnel.ru/v1/.

Поддерживаемые модели

Актуальный список и цены — публичный каталог:

curl https://api.aitunnel.ru/public/aitunnel/models/transcriptions

На сайте: страница моделей.

Каждая запись содержит поля:

Имя в запросе — без префикса провайдера: whisper-1, не openai/whisper-1. Префикс provider/model обходит каталог и уходит напрямую — см. OpenRouter.

Базовое использование

curl https://api.aitunnel.ru/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-aitunnel-xxx" \
  -F file="@audio.mp3" \
  -F model="whisper-1" \
  -F language="ru"

Параметры запроса

Запрос — multipart/form-data.

У whisper-1 дополнительно работают форматы OpenAI: verbose_json, srt, vtt (субтитры и таймстемпы). У gpt-4o-transcribe-diarize — diarized_json и chunking_strategy. Остальные поля формы у этих двух моделей тоже уходят провайдеру (prompt и т.д.).

Формат ответа

{
  "text": "Привет, это пример распознанной речи через AITUNNEL.",
  "usage": {
    "seconds": 9.2,
    "input_tokens": 83,
    "output_tokens": 30,
    "total_tokens": 113,
    "cost_rub": 0.18,
    "balance": 1247.32
  }
}

Если response_format не JSON (например text или srt у whisper-1), тело — сырой текст, а cost_rub и balance приходят в заголовках.

Поддерживаемые форматы аудио

Конкретный список — supported_formats модели. Общий набор:

Примеры

Распознавание со спикер-диаризацией

from openai import OpenAI

client = OpenAI(
    api_key="sk-aitunnel-xxx",
    base_url="https://api.aitunnel.ru/v1/",
)

with open("meeting.mp3", "rb") as f:
    result = client.audio.transcriptions.create(
        model="gpt-4o-transcribe-diarize",
        file=f,
        response_format="diarized_json",
        chunking_strategy="auto",
        language="ru",
    )

print(result.text)

Бюджетная массовая транскрипция

whisper-large-v3-turbo и qwen3-asr-flash-2026-02-10 — из самых дешёвых в каталоге:

import glob
import os
from openai import OpenAI

client = OpenAI(
    api_key="sk-aitunnel-xxx",
    base_url="https://api.aitunnel.ru/v1/",
)

for path in glob.glob("recordings/*.mp3"):
    with open(path, "rb") as f:
        result = client.audio.transcriptions.create(
            model="whisper-large-v3-turbo",
            file=f,
            language="ru",
        )
    out_path = os.path.splitext(path)[0] + ".txt"
    with open(out_path, "w") as out:
        out.write(result.text)

Запись из браузера

MediaRecorder обычно отдаёт webm — его можно слать как есть, без перекодирования:

const formData = new FormData();
formData.append(
  "file",
  new Blob([webmBuffer], { type: "audio/webm" }),
  "recording.webm",
);
formData.append("model", "gpt-4o-mini-transcribe");
formData.append("language", "ru");

const res = await fetch("https://api.aitunnel.ru/v1/audio/transcriptions", {
  method: "POST",
  headers: { Authorization: "Bearer sk-aitunnel-xxx" },
  body: formData,
});

const { text } = await res.json();

Как выбрать модель

Цены смотрите в каталоге — они меняются.

Лучшие практики

• Указывайте language, если язык известен — точнее на коротких записях.
• Качество важнее размера: моно 16 кГц обычно достаточно.
• Длинные файлы(>10 мин) лучше резать — проще повторить кусок при ошибке.
• WebM из браузера не нужно перекодировать.
• Черновик — whisper-large-v3-turbo или qwen3-asr-flash-2026-02-10; финал — gpt-transcribe / gpt-4o-transcribe.

Устранение неполадок

Пустая или кривая транскрипция?

• Формат файла должен совпадать с расширением и входить в supported_formats модели.
• Проверьте, что запись не тихая и не сильно сжатая.

400 про Content-Type?

• Нужен multipart/form-data с полем file, не JSON. SDK OpenAI делает это сам; в cURL — флаги -F.

413 — файл слишком большой?

• Лимит 25 МБ. Сожмите в MP3/Opus или разрежьте запись.

Модель не найдена?

• Имя без префикса провайдера (whisper-1, не openai/whisper-1), либо осознанный прямой вызов provider/model.
• Список: GET https://api.aitunnel.ru/public/aitunnel/models/transcriptions.

Смотрите также

• Аудио — аудио в чате
• Озвучка текста — текст в речь
• Список моделей
• Лимиты — файлы до 25 МБ
• Ошибки и отладка