Transcription audio

L’endpoint POST /v1/audio/transcriptions transcrit un fichier audio via un modèle de type automatic-speech-recognition (en savoir plus sur les types de modèles).

Transcrire un fichier audio

Le endpoint /v1/audio/transcriptions supporte les fichiers mp3 et wav jusqu'à 20 Mb par fichier.

Pour plus d'information sur les paramètres du endpoint, voir la page API reference - Audio.

Exemple de requête :

curl -sS "https://albert.api.etalab.gouv.fr/v1/audio/transcriptions" \
  -H "Authorization: Bearer $ALBERT_API_KEY" \
  -F "file=@enregistrement.mp3" \
  -F "model=REMPLACER_PAR_MODELE_ASR" \
  -F "language=fr" \
  -F "response_format=json"

Exemples (curl / Python / JavaScript)

curl

curl -sS "https://albert.api.etalab.gouv.fr/v1/audio/transcriptions" \
  -H "Authorization: Bearer $ALBERT_API_KEY" \
  -F "file=@enregistrement.mp3" \
  -F "model=REMPLACER_PAR_MODELE_ASR" \
  -F "language=fr"

Python

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://albert.api.etalab.gouv.fr/v1",
    api_key=os.environ["ALBERT_API_KEY"],
)

with open("enregistrement.mp3", "rb") as f:
    tr = client.audio.transcriptions.create(
        model="REMPLACER_PAR_MODELE_ASR",
        file=f,
        language="fr",
    )
print(tr.text)

JavaScript

import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://albert.api.etalab.gouv.fr/v1",
  apiKey: process.env.ALBERT_API_KEY,
});

const tr = await client.audio.transcriptions.create({
  model: "REMPLACER_PAR_MODELE_ASR",
  file: fs.createReadStream("enregistrement.mp3"),
  language: "fr",
});

console.log(tr.text);

Choisir response_format

Le paramètre response_format permet de choisir le format de la réponse. Ce format dépend de l'usage que vous souhaitez en faire.

response_format	Description
json (defaut)	Réponse au format JSON, contient le texte transcrit.
text	Réponse au format TXT, contient uniquement le texte transcrit.
verbose_json	Réponse au format JSON en indiquant le début et la fin de chaque phrase.
srt	Réponse au format SRT.
vtt	Réponse au format VTT.
diarized_json	Réponse au format JSON en indiquant le début et la fin de chaque phrase et les changements de speakers. Ce format utilisé pour les transcriptions des réunions.