本文へスキップ

openai/gpt-transcribe/speech-to-text

OpenAI の高精度な音声認識モデル GPT Transcribe は、容量 25 MB・長さ 2 時間までの録音ファイルをテキストに変換します。話される言語の候補や、名前・専門用語の正しい綴りを渡して認識を補えます。

最低価格 $0.000075/秒

プレイグラウンド

リクエストを送信

クイックスタート

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
POSThttps://api.spicyapi.ai/api/v1/jobs/createTask

API 認証

API 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": "openai/gpt-transcribe/speech-to-text",
  "input": {
    "audio_url": "https://example.com/reference.mp4"
  }
}'

# 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。

入力パラメーター

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

外国語の製品名を含む短い録音を送り、使用言語と正しい綴りを指定して原音と照合します。

デフォルト値
指定なし
制約
minLength:1
format:"uri"
contentMediaType:["audio/mpeg","audio/wav"]
temperaturenumber任意

0から1のサンプリング温度

デフォルト値
指定なし
制約
minimum:0
maximum:1
keytermsarray<object>任意

GPT Transcribe — 人名、製品名、専門用語を 1 行ずつ書きます。尖括弧や改行は含めません。

デフォルト値
指定なし
制約
maxItems:100
language_hintsarray<object>任意

GPT Transcribe — フォームの回答で使われる言語コードを行ごとに指定し、言語が切り替わる場合は候補を追加します。

デフォルト値
指定なし
制約
maxItems:10
promptstring任意

話している言語での固有名詞の表記と背景

デフォルト値
指定なし
制約
maxLength:2048
languagestring任意

録音の言語を表す2文字コード

デフォルト値
指定なし
使用可能な値
"aa""ab""ae""af""ak""am""an""ar""as""av""ay""az""ba""be""bg""bh""bi""bm""bn""bo""br""bs""ca""ce""ch""co""cr""cs""cu""cv""cy""da""de""dv""dz""ee""el""en""eo""es""et""eu""fa""ff""fi""fj""fo""fr""fy""ga""gd""gl""gn""gu""gv""ha""he""hi""ho""hr""ht""hu""hy""hz""ia""id""ie""ig""ii""ik""io""is""it""iu""ja""jv""ka""kg""ki""kj""kk""kl""km""kn""ko""kr""ks""ku""kv""kw""ky""la""lb""lg""li""ln""lo""lt""lu""lv""mg""mh""mi""mk""ml""mn""mr""ms""mt""my""na""nb""nd""ne""ng""nl""nn""no""nr""nv""ny""oc""oj""om""or""os""pa""pi""pl""ps""pt""qu""rm""rn""ro""ru""rw""sa""sc""sd""se""sg""si""sk""sl""sm""sn""so""sq""sr""ss""st""su""sv""sw""ta""te""tg""th""ti""tk""tl""tn""to""tr""ts""tt""tw""ty""ug""uk""ur""uz""ve""vi""vo""wa""wo""xh""yi""yo""za""zh""zu"
制約
minLength:2
maxLength:2
pattern:"^[a-z]{2}$"

タスクを追跡

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。

受理レスポンス
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。

タスクを取得する
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。

あるいは、コールバックに知らせてもらう
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。

結果を取得

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。

完了レスポンスの例
{
  "code": 200,
  "msg": "success",
  "request_id": "req_example_record",
  "data": {
    "taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
    "model": "openai/gpt-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"
  }
}

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。

SDK・連携

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。

ComfyUI で使う

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 GPT Transcribe · File transcription 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