转录-订单创建

转录接口将音频文件识别为字幕文件（srt/txt）。使用接口前需要到zimuFy创建api key（需勾选转录权限）方可使用。

api订单跟普通订单一样，按【音频时长×模型倍率】消耗账户转录时长（创建订单时预扣，处理失败自动退还），处理后也可通过站内的订单记录进行查询与下载。

文件大小上限 500MB，时长上限 5 小时；支持格式：mp3 wav m4a aac flac ogg opus wma alac ac3 m4b mid amr au aiff eac3 mp2。

方式一：二进制上传（file_type=upload），文件不经过本站服务器，由你的客户端直传阿里云OSS，共三步：

GET /transcribe_api/upload_sign（带 Authorization 头）→ 返回 OSS 直传签名（host/dir/policy/signature/security_token 等，附带 500MB 大小限制）

按 OSS PostObject 规范，用签名将文件直传到 host，object key 为 {dir}/{32位随机串}.{扩展名}（扩展名须在 allowed_formats 内）

POST /transcribe_api/create，file 填第 2 步的 object key

方式二：远程链接（file_type=url），file 填公网可访问的音频直链，系统自动下载并完成预处理（转16k单声道）。

注意：create 为同步预处理接口，需等待 OSS 校验/远程下载完成才返回（通常数秒；url 方式的大文件可能数分钟，请将请求超时设置为 10 分钟以上）。返回含真实音频时长 file_duration 与计费时长 cost_duration。

下面是几个复杂字段的备注说明，点击展开可以查看详情。

识别模型（model_id）

倍率=计费倍率（计费时长=音频时长×倍率）。

值	识别模型	计费倍率	特点
2	Nova-2/3	1	擅长字母语言，全语种AI智能断句，速度快
12	[腾讯]泰语	1.2	泰语识别首选模型，AI智能断句，速度快
13	豆包大模型-2	1	中日韩、东南亚语种识别首选，全语种AI智能断句，速度快
14	[Assem] Universal-3-5-pro	1	擅长字母语言，识别更精准，全语种AI智能断句，速度快
15	[Assem] Universal-2	0.7	擅长字母语言，全语种AI智能断句，速度快

源语言（origin_lang）

普通话、汉语方言、粤语、英语、日语、韩语、法语、俄语、德语、越南语、泰语、西班牙语、葡萄牙语、马来语、菲律宾语、印尼语、孟加拉语、印地语、土耳其语、意大利语、阿拉伯语、波斯语、波兰语、乌克兰语、荷兰语、希腊语、捷克语、匈牙利语、瑞典语、希伯来语、南非语、丹麦语、芬兰语、挪威语、蒙古语、高棉语、老挝语、乌兹别克语、哈萨克语、塔吉克语、土库曼语、普什图语、豪萨语、阿姆哈拉语、罗马尼亚语、保加利亚语、白俄罗斯语、斯洛伐克语、塞尔维亚语、克罗地亚语、乌尔都语、泰米尔语、尼泊尔语、斯瓦希里语

注意：各模型支持的语种范围不同，详见上方模型表的特点列；语种与模型不匹配会被接口拒绝。

标点符号（punctuation）

值	含义
1	完整标点（默认）
2	去尾标点
0	无标点（仅普通话/日语/韩语/汉语方言等部分语种开放；不支持的模型与语种会自动按 1 处理）

API接口公测上线中，欢迎反馈问题与建议，客服QQ：2801088826
（返回zimuFy官网）

application/json

创建结果（create 为同步预处理接口，返回时已含真实音频时长）

Bodyapplication/json

示例

订单创建成功时长余额不足key校验失败

{
    "code": 1,
    "msg": "订单创建成功",
    "order_id": "au5c6a1239d7486",
    "status": 0,
    "file_duration": 180,
    "cost_duration": 180,
    "cost_ps": "基础时长*1"
}

请求参数

请求示例代码

返回响应