heartmula/transcribe/speech-to-textHeartMuLa Transcribe ist ein mehrsprachiger Sprache-zu-Text-Endpunkt, abgestimmt auf Gesang: Senden Sie eine Audio-URL und erhalten Sie den Songtext als Text zurück. Es gibt keine Optionen und keine Zeilen-Timings, Konfidenzwerte oder Sprecherlabels.
Die Beispiele verwenden die öffentlichen Parameter des gewählten Endpunkts. Ersetzen Sie API-Schlüssel und Beispielmedien und senden Sie die Anfrage von Ihrem Server.
SDKs & Integrationenhttps://api.spicyapi.ai/api/v1/jobs/createTaskBewahren Sie den API-Schlüssel serverseitig in der Umgebungsvariablen SPICY_API_KEY auf. Verwenden Sie Bearer-Authentifizierung und für JSON-Anfragen Content-Type: application/json.
Authorization: Bearer $SPICY_API_KEY# Generate the idempotency key once; reuse it when retrying after a lost response.
export SPICY_IDEMPOTENCY_KEY="${SPICY_IDEMPOTENCY_KEY:-$(uuidgen)}"
curl -X POST https://api.spicyapi.ai/api/v1/jobs/createTask \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "heartmula/transcribe/speech-to-text",
"input": {
"audio_url": "https://example.com/reference.mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"Erzeugt aus dem Eingabeschema dieses Modells – genau dem, gegen das die API jede Anfrage prüft.
Diese Felder gehören in das input-Objekt des Request-Bodys. Namen und Typen entsprechen der API. Wo kein Standardwert angegeben ist, dürfen Sie auch keinen annehmen.
audio_urlstringErforderlichEine URL, die direkt auf eine Audiodatei zeigt. Seiten, die HTML zurückgeben, scheitern als ungültiges Ausgangsmaterial. Ein Sprachhinweis ist weder nötig noch vorgesehen – das Modell ist mehrsprachig und erkennt die Sprache aus dem Audio.
{
"additionalProperties": false,
"properties": {
"audio_url": {
"contentMediaType": [
"audio/mpeg",
"audio/wav"
],
"description": "URL of the audio file to transcribe. Must resolve directly to audio, not to a web page.",
"format": "uri",
"minLength": 1,
"type": "string",
"x-ui": {
"order": 100,
"primary": true,
"widget": "upload"
}
}
},
"required": [
"audio_url"
],
"type": "object",
"x-pricing": {
"billingMode": "per_unit",
"variantFields": []
}
}HTTP 202 bestätigt die Annahme, nicht den Abschluss. Speichern Sie die zurückgegebene taskId und fragen Sie diesen Auftrag ab. Erstellen Sie währenddessen keinen weiteren Auftrag.
HTTP/1.1 202 Accepted
Location: /api/v1/jobs/recordInfo?taskId=job_01k3m8x9q2z4v7n5p6r8s0t1w3
{
"code": 200,
"msg": "success",
"request_id": "req_example_create",
"data": {
"taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
"state": "queued",
"estimatedCost": "0.750000"
}
}Diese Antwort enthält bereits die Kostenschätzung, damit Ihre Anwendung in Auftragsverlauf und Abrechnung denselben Betrag anzeigen kann.
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
--data-urlencode "taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"Beginnen Sie mit etwa 2 Sekunden Abstand und verlängern Sie das Intervall schrittweise. Bei einem Endzustand hören Sie auf. Nach einem Verbindungsfehler fragen Sie dieselbe taskId ab. Neu anlegen nur mit demselben Idempotency-Key und demselben Request-Body.
import { verifyWebhook } from "@spicyapi/sdk";
// express.raw keeps the bytes we signed; express.json never matches.
app.post("/hooks/spicy", express.raw({ type: "application/json" }), (req, res) => {
const { payload } = verifyWebhook({
rawBody: req.body,
timestamp: req.header("X-Webhook-Timestamp"),
signature: req.header("X-Webhook-Signature"),
payloadVersion: Number(req.header("X-Webhook-Payload-Version")),
secret: process.env.SPICY_WEBHOOK_SECRET,
});
res.status(200).end();
void handleFinishedTask(payload);
});Übergeben Sie callBackUrl beim Anlegen der Aufgabe, dann wird Ihnen der fertige Datensatz per POST zugestellt — ganz ohne Polling-Schleife. Jede Zustellung trägt X-Webhook-Timestamp, X-Webhook-Signature und X-Webhook-Payload-Version. Die Signatur ist ein base64-HMAC-SHA256 über taskId.timestamp.sha256(body) und muss deshalb gegen die Rohbytes geprüft werden: Wer das JSON parst und neu serialisiert, verändert sie, und die Prüfung schlägt fehl. Fehlgeschlagene Zustellungen werden wiederholt, dieselbe taskId kann also zweimal ankommen — machen Sie den Handler idempotent. Antworten Sie zuerst mit 2xx und arbeiten Sie danach; ein langsamer Handler gilt als fehlgeschlagene Zustellung.
Lesen Sie output erst aus, wenn state den Wert succeeded hat. Nutzen Sie bei Fehlern errorCode, errorMessage und request_id zur Diagnose. Beispielkosten und -zustände bilden keine tatsächliche Abrechnung ab.
{
"code": 200,
"msg": "success",
"request_id": "req_example_record",
"data": {
"taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
"model": "heartmula/transcribe/speech-to-text",
"state": "succeeded",
"output": {
"text": "…"
},
"cost": "0.750000",
"settled": true,
"createdAt": "2026-08-28T12:00:00Z",
"completedAt": "2026-08-28T12:00:30Z"
}
}Verfügbare Dateien lassen sich direkt über assets[].url ohne API-Authorization-Header öffnen oder herunterladen. Der signierte Link läuft zu expiresAt ab. Fragen Sie den Auftrag innerhalb der Aufbewahrungsfrist erneut ab, um den Link zu erneuern. Noch ausstehende oder nicht verfügbare Dateien haben keine URL. Behandeln Sie signierte Links vertraulich.
Nutzen Sie SpicyAPI in Ihrer App, im Terminal, mit KI-Assistenten oder in visuellen Workflows. Wählen Sie die passende Anleitung.
Weitere Integrationen
Den Code oben müssen Sie nicht schreiben. Verbinden Sie den MCP-Server einmal, und jeder Agent, der MCP spricht — Claude Code, Codex, Cursor, Windsurf, VS Code, Gemini CLI, Cline, LibreChat — ruft dieses Modell beim Namen auf. Oder Sie starten es mit einem einzigen Befehl in der Shell.
Nimm heartmula/transcribe/speech-to-text für ein Porträt einer Tänzerin im Neonlicht und speichere es in ./out/.
Der Agent schlägt das Modell im Katalog nach, lädt die lokale Datei für Sie hoch und zeigt Ihnen dann den genauen Kostenvoranschlag samt Höchstbetrag — und wartet auf Ihre Bestätigung. Vorher wird nichts abgerechnet.
claude mcp add spicyapi -e SPICY_API_KEY=$SPICY_API_KEY \
-- npx --yes --package=@spicyapi/mcp spicyapi-mcp
npx skills add spicyapi-ai/spicy-skillDie erste Zeile gibt dem Agent die Werkzeuge, die zweite den Skill — die Spielregeln dazu: erst Preis nennen, dann abrechnen; lokale Dateien hochladen statt Bytes einzufügen; die URL des fertigen Ergebnisses lesen statt sie zu raten. Alle anderen Clients binden denselben Server über ihre eigene Konfigurationsdatei ein, siehe Entwicklerbereich.
npx @spicyapi/cli tasks create --model heartmula/transcribe/speech-to-text \
--input-json '{"audio_url":"https://example.com/reference.mp3"}' \
--waitDie Eingabe stammt aus dem Schema dieses Endpunkts, genau wie die Beispiele oben. --wait wartet den Task ab und gibt ihn aus; --yes überspringt die Rückfrage in der CI. Setzen Sie vorher SPICY_API_KEY – ein Schlüssel für API, CLI und MCP-Server.
npx @spicyapi/cli files upload ./poster.png
# -> spicy://uploads/01k3m8x9q2z4v7n5p6r8s0t1w3
npx @spicyapi/cli tasks create --model heartmula/transcribe/speech-to-text \
--input-json '{"audio_url":"spicy://uploads/01k3m8x9q2z4v7n5p6r8s0t1w3"}' \
--waitDer Request nimmt URLs entgegen, keine Bytes. Laden Sie die Datei zuerst hoch und übergeben Sie die ausgegebene spicy://-URI — der Feldname oben stammt direkt aus dem Schema dieses Endpoints. Ein Agent über MCP erledigt diesen Schritt selbst; deshalb darf der Satz weiter oben einfach ./poster.png nennen. Medien, die bereits öffentlich über HTTPS erreichbar sind, brauchen keinen Upload.
npx @spicyapi/cli tasks create --model heartmula/transcribe/speech-to-text \
--input-json '{…}' --retention 1h --wait
npx @spicyapi/cli tasks get $TASK_ID # read back the retention that applied--retention verkürzt die Aufbewahrung nur — 30m, 1h, 7d, oder 0: löschen, sobald die Aufgabe einen Endzustand erreicht. Es gilt immer der kürzeste Wert aus Anfrage, Kontoeinstellung und Plattform-Obergrenze; lesen Sie ihn deshalb aus dem Datensatz zurück, statt den angefragten Wert vorauszusetzen. Ein längeres Fenster als vom Konto erlaubt bewirkt nichts.
Installieren Sie die SpicyAPI-Nodes über den ComfyUI Manager oder mit dem Befehl unten und suchen Sie auf der Arbeitsfläche nach HeartMuLa Transcribe · Transcribe Lyrics. Der Node bietet dieselben Optionen wie diese Seite und zeigt seinen Preis, bevor er läuft.
cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapiDas eingebettete Panel liest dasselbe Schema wie diese Seite und kann daher nicht von der API abweichen. Soll der Inhalt in Ihrer Dokumentation durchsuchbar bleiben, holen Sie stattdessen das JSON unter /api/embed/models/ und rendern es selbst.
<iframe src="https://spicyapi.ai/embed/de/models/heartmula-transcribe/api?model=heartmula%2Ftranscribe%2Fspeech-to-text" width="100%" height="560" loading="lazy" title="Anfragebeispiel" style="border:1px solid rgba(0,0,0,.12)"></iframe>