heartmula/transcribe/speech-to-textHeartMuLa Transcribe è un endpoint speech-to-text multilingue ottimizzato per voci cantate: invia un URL audio e ricevi il testo del brano. Non ci sono opzioni e non vengono restituiti tempi per riga, valori di confidenza né etichette dei parlanti.
Gli esempi usano le definizioni pubbliche dei parametri dell’endpoint selezionato. Sostituisci la chiave API e i media di esempio, poi invia la richiesta dal tuo server.
SDK e integrazionihttps://api.spicyapi.ai/api/v1/jobs/createTaskTieni la chiave API nella variabile d’ambiente del server SPICY_API_KEY. Per le richieste JSON usa l’autenticazione Bearer e 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 $SPICY_API_KEY"Generato dallo schema di input di questo modello, lo stesso su cui l’API valida ogni richiesta.
Metti questi campi dentro l’oggetto input del corpo della richiesta. Nomi e tipi corrispondono all’API. Quando un valore predefinito non è indicato, non darlo per scontato.
audio_urlstringObbligatorioUn URL che risolve direttamente su un file audio. Le pagine che restituiscono HTML falliscono come risorsa non valida. Nessun suggerimento di lingua serve o viene accettato: il modello è multilingue e la ricava dall'audio.
{
"additionalProperties": false,
"properties": {
"audio_url": {
"contentMediaType": [
"audio/mpeg",
"audio/wav"
],
"description": "URL of the audio file to transcribe. Must resolve directly to audio, not to a web page.",
"format": "uri",
"minLength": 1,
"type": "string",
"x-ui": {
"order": 100,
"primary": true,
"widget": "upload"
}
}
},
"required": [
"audio_url"
],
"type": "object",
"x-pricing": {
"billingMode": "per_unit",
"variantFields": []
}
}HTTP 202 significa che l’attività è stata accettata, non che sia finita. Salva il taskId restituito e interroga quell’attività. Non crearne un’altra mentre aspetti il risultato.
HTTP/1.1 202 Accepted
Location: /api/v1/jobs/recordInfo?taskId=job_01k3m8x9q2z4v7n5p6r8s0t1w3
{
"code": 200,
"msg": "success",
"request_id": "req_example_create",
"data": {
"taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
"state": "queued",
"estimatedCost": "0.750000"
}
}La risposta di accettazione include la stima, così la tua applicazione può mostrare lo stesso importo nella cronologia delle attività e nella fatturazione.
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
--data-urlencode "taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"Comincia a interrogare ogni 2 secondi circa e allunga l’intervallo man mano. Fermati a uno stato terminale. Dopo una caduta di connessione, interroga il taskId originale. Ripeti la creazione solo con la chiave di idempotenza e il corpo originali.
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);
});Passa callBackUrl quando crei l’attività e il record finito ti arriva via POST: nessun ciclo di polling. Ogni consegna porta X-Webhook-Timestamp, X-Webhook-Signature e X-Webhook-Payload-Version. La firma è un HMAC-SHA256 in base64 su taskId.timestamp.sha256(body), quindi va verificata sui byte grezzi: se analizzi il JSON e lo riserializzi i byte cambiano e la verifica fallisce. Le consegne fallite vengono ritentate, quindi lo stesso taskId può arrivare due volte: rendi idempotente il gestore. Rispondi prima con un 2xx e fai il lavoro dopo; un gestore lento viene trattato come una consegna fallita.
Usa l’output solo quando lo stato è succeeded. In caso di fallimento, indaga con errorCode, errorMessage e request_id. Costi e stati degli esempi non rappresentano un addebito reale.
{
"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"
}
}Per ogni asset disponibile, apri o scarica assets[].url direttamente, senza l’header Authorization dell’API. L’URL firmato scade a expiresAt; interroga di nuovo l’attività per rinnovarlo finché l’asset resta entro il periodo di conservazione. Un asset in attesa o non disponibile non ha URL. Tratta gli URL firmati come privati.
Usa SpicyAPI nella tua app, nel terminale, con un assistente IA o in un workflow visivo. Scegli una guida di configurazione.
Altre integrazioni
Non sei obbligato a scrivere niente del codice qui sopra. Collega una volta il server MCP e qualsiasi agente che parla MCP – Claude Code, Codex, Cursor, Windsurf, VS Code, Gemini CLI, Cline, LibreChat – può eseguire questo modello chiamandolo per nome, oppure lo esegui dalla shell con un solo comando.
Usa heartmula/transcribe/speech-to-text per generare il ritratto di una ballerina sotto una luce al neon, e salvalo in ./out/.
L’agente cerca il modello nel catalogo in tempo reale, carica per te il file locale, poi mostra il preventivo esatto con l’addebito massimo e aspetta la tua conferma. Niente viene addebitato finché non dici di sì.
claude mcp add spicyapi -e SPICY_API_KEY=$SPICY_API_KEY \
-- npx --yes --package=@spicyapi/mcp spicyapi-mcp
npx skills add spicyapi-ai/spicy-skillLa prima riga dà gli strumenti all’agente; la seconda gli dà la Skill, cioè le regole con cui usarli: preventivare prima di addebitare, caricare i file locali invece di incollarne i byte, leggere l’URL dell’asset finito invece di indovinarlo. Tutti gli altri client prendono lo stesso server dal proprio file di configurazione: vedi l’area sviluppatori.
npx @spicyapi/cli tasks create --model heartmula/transcribe/speech-to-text \
--input-json '{"audio_url":"https://example.com/reference.mp3"}' \
--waitL’input è lo schema di questo endpoint, lo stesso degli esempi qui sopra. --wait interroga finché l’attività non è finita e poi la stampa; aggiungi --yes per saltare la richiesta di conferma in CI. Imposta prima SPICY_API_KEY: una sola chiave vale per l’API, per la CLI e per il server MCP.
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"}' \
--waitI corpi delle richieste vogliono URL, non byte. Carica prima il file e passa l’URI spicy:// che viene stampato: il nome del campo qui sopra è quello di questo endpoint, preso dal suo schema. Un agente su MCP fa questo passaggio al posto tuo, ed è per questo che la frase più in alto può nominare direttamente ./poster.png. I media già raggiungibili via HTTPS pubblico non vanno caricati.
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 può solo accorciare la finestra: 30m, 1h, 7d, oppure 0 per cancellare appena l’attività raggiunge uno stato terminale. Il valore che vale davvero è il più corto fra la tua richiesta, le impostazioni del tuo account e il massimo di piattaforma, quindi rileggilo dal record dell’attività invece di dare per scontato il numero che hai chiesto. Passare una finestra più lunga di quanto consente il tuo account non ha nessun effetto.
Installa i nodi SpicyAPI da ComfyUI Manager o con il comando qui sotto, poi cerca HeartMuLa Transcribe · Transcribe Lyrics sulla tela. Il nodo ha le stesse opzioni di questa pagina e mostra il prezzo prima dell’esecuzione.
cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapiIl pannello incorporato legge lo stesso schema di questa pagina, quindi non può discostarsi dall’API. Se nella tua documentazione i contenuti devono essere ricercabili, leggi il JSON sotto /api/embed/models/ e renderizzalo per conto tuo.
<iframe src="https://spicyapi.ai/embed/it/models/heartmula-transcribe/api?model=heartmula%2Ftranscribe%2Fspeech-to-text" width="100%" height="560" loading="lazy" title="Esempio di richiesta" style="border:1px solid rgba(0,0,0,.12)"></iframe>