audio_urlstring必須文字起こしする録音です。
- デフォルト値
- 指定なし
- 制約
- minLength:1format:"uri"contentMediaType:["audio/mpeg","audio/wav"]
例は、選択中のエンドポイントの公開パラメーター定義から作っています。API キーとサンプル素材を差し替えて、ご自身のサーバーから送信してください。
SDK・連携https://api.spicyapi.ai/api/v1/jobs/createTaskAPI キーはサーバーの環境変数 SPICY_API_KEY に保存します。Bearer 認証を使用し、JSON リクエストには Content-Type: application/json を指定してください。
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "elevenlabs/scribe-v3/speech-to-text",
"input": {
"audio_url": "https://example.com/reference.mp3"
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"このモデルの入力スキーマから生成した例です。API はどのリクエストも、同じスキーマで検証します。
これらのフィールドは、リクエスト本文の input オブジェクトに指定します。名前と型は API と一致します。デフォルト値の指定がない項目に、デフォルト値があると想定しないでください。
audio_urlstring必須文字起こしする録音です。
tag_audio_eventsboolean任意笑い声などの音を文字起こしに記録します。既定ではオンです。
diarizeboolean任意話者を識別します。既定ではオフです。
numbers_formatstring任意数字を算用数字または単語で表記します。空欄ではモデルの既定に従います。
"digits""words"language_hintsarray<object>任意録音に含まれると想定される他の言語で、100 件まで指定できます。
language_hints[].codestringオブジェクト内で必須ISO 639 language code, such as en or fra.
languagestring任意話されている言語です。空欄の場合は自動で検出します。
"en""zh""ja""ko""es""fr""de""pt""ru""ar""hi""afr""amh""ara""hye""asm""ast""aze""bel""ben""bos""bul""mya""yue""cat""ceb""nya""hrv""ces""dan""nld""eng""est""fil""fin""fra""ful""glg""lug""kat""deu""ell""guj""hau""heb""hin""hun""isl""ibo""ind""gle""ita""jpn""jav""kea""kan""kaz""khm""kor""kur""kir""lao""lav""lin""lit""luo""ltz""mkd""msa""mal""mlt""zho""mri""mar""mon""nep""nso""nor""oci""ori""pus""fas""pol""por""pan""ron""rus""srp""sna""snd""sin""slk""slv""som""spa""swa""swe""tam""tgk""tel""tha""tur""ukr""umb""urd""uzb""vie""cym""wol""xho""yor""zul"{
"additionalProperties": false,
"properties": {
"audio_url": {
"contentMediaType": [
"audio/mpeg",
"audio/wav"
],
"description": "Recording to transcribe, up to one hour. Billed per second, 10 seconds minimum.",
"format": "uri",
"minLength": 1,
"type": "string",
"x-ui": {
"accept": [
"audio/mpeg",
"audio/wav"
],
"max_size_mb": 90,
"order": 100,
"primary": true,
"widget": "upload"
}
},
"diarize": {
"default": false,
"description": "Label who is speaking.",
"type": "boolean",
"x-ui": {
"order": 60,
"widget": "switch"
}
},
"language": {
"description": "Spoken language as an ISO 639 code. Leave empty to detect it.",
"enum": [
"en",
"zh",
"ja",
"ko",
"es",
"fr",
"de",
"pt",
"ru",
"ar",
"hi",
"afr",
"amh",
"ara",
"hye",
"asm",
"ast",
"aze",
"bel",
"ben",
"bos",
"bul",
"mya",
"yue",
"cat",
"ceb",
"nya",
"hrv",
"ces",
"dan",
"nld",
"eng",
"est",
"fil",
"fin",
"fra",
"ful",
"glg",
"lug",
"kat",
"deu",
"ell",
"guj",
"hau",
"heb",
"hin",
"hun",
"isl",
"ibo",
"ind",
"gle",
"ita",
"jpn",
"jav",
"kea",
"kan",
"kaz",
"khm",
"kor",
"kur",
"kir",
"lao",
"lav",
"lin",
"lit",
"luo",
"ltz",
"mkd",
"msa",
"mal",
"mlt",
"zho",
"mri",
"mar",
"mon",
"nep",
"nso",
"nor",
"oci",
"ori",
"pus",
"fas",
"pol",
"por",
"pan",
"ron",
"rus",
"srp",
"sna",
"snd",
"sin",
"slk",
"slv",
"som",
"spa",
"swa",
"swe",
"tam",
"tgk",
"tel",
"tha",
"tur",
"ukr",
"umb",
"urd",
"uzb",
"vie",
"cym",
"wol",
"xho",
"yor",
"zul"
],
"type": "string",
"x-ui": {
"order": 90,
"widget": "select"
}
},
"language_hints": {
"description": "Other languages expected in the recording, one code per row.",
"items": {
"additionalProperties": false,
"properties": {
"code": {
"description": "ISO 639 language code, such as en or fra.",
"maxLength": 3,
"minLength": 2,
"type": "string"
}
},
"required": [
"code"
],
"type": "object"
},
"maxItems": 100,
"type": "array",
"x-ui": {
"order": 80,
"widget": "object-list"
}
},
"numbers_format": {
"description": "Write numbers as digits or as words.",
"enum": [
"digits",
"words"
],
"type": "string",
"x-ui": {
"order": 70,
"widget": "radio"
}
},
"tag_audio_events": {
"default": true,
"description": "Mark sounds such as laughter in the transcript.",
"type": "boolean",
"x-ui": {
"order": 50,
"widget": "switch"
}
}
},
"required": [
"audio_url"
],
"type": "object",
"x-pricing": {
"billingMode": "duration_capped",
"variantFields": []
}
}HTTP 202 はタスクを受け付けたという意味で、生成が終わったという意味ではありません。返ってきた taskId を保存し、そのタスクの状態を問い合わせてください。結果を待っている間に、同じ内容でタスクを作り直さないでください。
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"
}
}受理レスポンスには今回の概算料金が含まれるため、アプリのタスク履歴と請求画面に同じ金額を表示できます。
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
--data-urlencode "taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"ポーリングは約 2 秒間隔から始め、徐々に間隔を延ばします。終了状態になったら止めてください。通信が切れたときも、元の taskId で状態を確認します。作成をやり直すときは、同じ冪等キーと同じ本文をそのまま使い回してください。
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);
});タスク作成時に callBackUrl を渡せば、完了したレコードが POST で届きます——ポーリングは一切不要です。配信には毎回 X-Webhook-Timestamp、X-Webhook-Signature、X-Webhook-Payload-Version が付きます。署名は taskId.timestamp.sha256(body) に対する HMAC-SHA256(base64)なので、生のバイト列で検証してください。JSON を解析して再度文字列化するとバイト列が変わり、検証は必ず失敗します。失敗した配信は再送されるため同じ taskId が二度届くことがあります。ハンドラーは冪等に。まず 2xx を返し、処理はその後で——応答が遅いと配信失敗として扱われます。
output を読むのは、state が succeeded のときだけにしてください。失敗したときは errorCode、errorMessage、request_id を手がかりに調べます。例に出ている料金や状態は、実際の請求ではありません。
{
"code": 200,
"msg": "success",
"request_id": "req_example_record",
"data": {
"taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
"model": "elevenlabs/scribe-v3/speech-to-text",
"state": "succeeded",
"output": {
"text": "…"
},
"cost": "0.750000",
"settled": true,
"createdAt": "2026-08-28T12:00:00Z",
"completedAt": "2026-08-28T12:00:30Z"
}
}利用可能なファイルは assets[].url からそのまま開くか、ダウンロードできます。API の Authorization ヘッダーは不要です。署名付き URL は expiresAt で失効しますが、保存期間内であればタスクを再取得することで更新できます。処理中または利用できないファイルに URL はありません。署名付き URL は非公開情報として扱ってください。
アプリ、ターミナル、AI アシスタント、ビジュアルワークフローで SpicyAPI を活用。接続ガイドを選んでください。
上のコードを書く必要はありません。MCP サーバーを 1 回接続すれば、MCP に対応するエージェント(Claude Code、Codex、Cursor、Windsurf、VS Code、Gemini CLI、Cline、LibreChat)がこのモデルを名前で実行できます。シェルから 1 つのコマンドで実行することもできます。
Use elevenlabs/scribe-v3/speech-to-text to generate a portrait of a dancer under neon light, and save it to ./out/.
エージェントは公開カタログからモデルを引き、ローカルファイルを代わりにアップロードし、正確な見積もりと上限額を示して確認を待ちます。承認するまで課金は発生しません。
claude mcp add spicyapi -e SPICY_API_KEY=$SPICY_API_KEY \
-- npx --yes --package=@spicyapi/mcp spicyapi-mcp
npx skills add spicyapi-ai/spicy-skill1 行目でツールを、2 行目で Skill を渡します。Skill は使い方の取り決めです——課金の前に見積もりを取り、ローカルファイルはバイト列を貼らずにアップロードし、完成した成果物の URL を推測せずに読む。ほかのクライアントも同じサーバーをそれぞれの設定ファイルから使います。開発者向けページをご覧ください。
npx @spicyapi/cli tasks create --model elevenlabs/scribe-v3/speech-to-text \
--input-json '{"audio_url":"https://example.com/reference.mp3"}' \
--wait入力は上の例と同じ、このエンドポイント固有のスキーマに従います。--wait はタスクの完了までポーリングして結果を表示します。CI では --yes を追加すると確認を省略できます。先に SPICY_API_KEY を設定してください。API、CLI、MCP サーバーで同じキーを使えます。
npx @spicyapi/cli files upload ./poster.png
# -> spicy://uploads/01k3m8x9q2z4v7n5p6r8s0t1w3
npx @spicyapi/cli tasks create --model elevenlabs/scribe-v3/speech-to-text \
--input-json '{"audio_url":"spicy://uploads/01k3m8x9q2z4v7n5p6r8s0t1w3"}' \
--waitリクエストが受け取るのは URL であってバイト列ではありません。先にアップロードし、出力される spicy:// URI を渡してください。上のフィールド名はこのエンドポイントのスキーマから取ったものです。MCP 経由のエージェントはこの手順を代わりに済ませます——前述の一文が ./poster.png をそのまま指せるのはそのためです。公開 HTTPS で参照できるメディアならアップロードは不要です。
npx @spicyapi/cli tasks create --model elevenlabs/scribe-v3/speech-to-text \
--input-json '{…}' --retention 1h --wait
npx @spicyapi/cli tasks get $TASK_ID # read back the retention that applied--retention は保持期間を短くするだけです——30m、1h、7d、あるいは 0 なら終了と同時に削除。実際に効くのはリクエスト・アカウント設定・プラットフォーム上限のうち最も短い値なので、指定した数値が通った前提で進めず、タスクレコードから読み戻してください。アカウントの許容より長い値を渡しても何も起きません。
ComfyUI Manager か下のコマンドで SpicyAPI ノードをインストールしたら、キャンバスで ElevenLabs Scribe V3 · Speech to Text を検索してください。このノードにはこのページと同じオプションがあり、実行前に価格が表示されます。
cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapi埋め込みパネルはこのページと同じスキーマを参照するため、API 仕様とのずれを防げます。ドキュメント内の検索対象にする場合は、/api/embed/models/ の JSON を取得して描画してください。
<iframe src="https://spicyapi.ai/embed/ja/models/elevenlabs-scribe-v3/api?model=elevenlabs%2Fscribe-v3%2Fspeech-to-text" width="100%" height="560" loading="lazy" title="リクエスト例" style="border:1px solid rgba(0,0,0,.12)"></iframe>