realtime_sessionobjectНеобязательноGPT Live Transcribe — Расширенная настройка с ручным commit каждого сегмента; автоматический VAD недоступен.
- По умолчанию
- Не задано
openai/gpt-live-transcribe/realtime-transcriptionGPT Live Transcribe выдаёт текст во время речи и принимает контекст, языковые подсказки, термины и настройку задержки субтитров.
Примеры используют публичные параметры выбранного эндпоинта. Замените API-ключ и примеры медиафайлов, затем отправьте запрос со своего сервера.
SDK и интеграцииhttps://api.spicyapi.ai/api/v1/jobs/createTaskХраните API-ключ в серверной переменной окружения SPICY_API_KEY. Используйте Bearer-аутентификацию и Content-Type: application/json для JSON-запросов.
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: $SPICY_IDEMPOTENCY_KEY" \
-d '{
"model": "openai/gpt-live-transcribe/realtime-transcription",
"input": {
"audio_input_format": "pcm",
"audio_noise_reduction": "near_field",
"audio_url": "https://example.com/reference.wav",
"max_audio_seconds": 15
}
}'
# Copy data.taskId from the response into TASK_ID, then poll the status.
TASK_ID="TASK_ID_FROM_RESPONSE"
curl "https://api.spicyapi.ai/api/v1/jobs/recordInfo?taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"Пример построен по входной схеме этой модели — той же, по которой API проверяет каждый запрос.
Поместите эти поля в объект input тела запроса. Имена и типы соответствуют API. Не предполагайте значение по умолчанию, если оно не задано.
realtime_sessionobjectНеобязательноGPT Live Transcribe — Расширенная настройка с ручным commit каждого сегмента; автоматический VAD недоступен.
audio_noise_reductionstringНеобязательноGPT Live Transcribe — near_field подходит близкому микрофону, far_field — комнате, none отключает шумоподавление.
"near_field""far_field""none"audio_input_formatstringНеобязательноGPT Live Transcribe — Используйте моно PCM, 16 бит, 24 кГц либо G.711, 8 кГц; автоматического пересчёта частоты нет.
"pcm""g711_ulaw""g711_alaw"transcription_delaystringНеобязательноGPT Live Transcribe — Пять профилей от minimal до xhigh; сравнивайте скорость и устойчивость предварительного текста на реальной речи.
"minimal""low""medium""high""xhigh"keytermsarray<object>НеобязательноGPT Live Transcribe — Записывайте по одному имени или термину без угловых скобок и переводов строки внутри элемента.
keyterms[].termstringОбязательно внутри объектаA name or technical term in its normal spelling, without angle brackets or line breaks.
language_hintsarray<object>НеобязательноGPT Live Transcribe — Добавляйте ожидаемые языковые коды по одному в строке, в том числе несколько при смене языка.
language_hints[].codestringОбязательно внутри объектаExpected spoken language code, such as en, fr or yue.
promptstringНеобязательноGPT Live Transcribe — Опишите тему и термины записи, не угадывая слова и не запрашивая ответ.
max_audio_secondsintegerНеобязательноВлияет на ценуGPT Live Transcribe — Предел сегмента — от 1 до 60 секунд; можно раньше отправить commit, расчёт использует финальное измерение.
audio_urlstringНеобязательноGPT Live Transcribe — Одиночная транскрипция требует короткого совместимого WAV. Живой вход использует WebSocket транскрипции.
{
"additionalProperties": false,
"properties": {
"audio_input_format": {
"default": "pcm",
"description": "Encoding of live microphone samples; PCM is 24 kHz mono 16-bit, G.711 is 8 kHz.",
"enum": [
"pcm",
"g711_ulaw",
"g711_alaw"
],
"type": "string",
"x-ui": {
"advanced": true,
"affects_price": false,
"order": 40,
"widget": "select"
}
},
"audio_noise_reduction": {
"default": "near_field",
"description": "Input denoising profile for a close microphone, room microphone, or preprocessed audio.",
"enum": [
"near_field",
"far_field",
"none"
],
"type": "string",
"x-ui": {
"advanced": true,
"affects_price": false,
"order": 30,
"widget": "select"
}
},
"audio_url": {
"contentMediaType": [
"audio/mpeg",
"audio/wav"
],
"description": "Short WAV required for a single task. Live sessions instead send raw samples over the transcription WebSocket.",
"format": "uri",
"minLength": 1,
"type": "string",
"x-ui": {
"accept": [
"audio/wav"
],
"affects_price": false,
"max_size_mb": 3,
"order": 100,
"primary": true,
"widget": "upload"
}
},
"keyterms": {
"description": "Names and technical vocabulary to recognize, one term per row.",
"items": {
"additionalProperties": false,
"properties": {
"term": {
"description": "A name or technical term in its normal spelling, without angle brackets or line breaks.",
"maxLength": 100,
"minLength": 1,
"pattern": "^[^<>\\r\\n]+$",
"type": "string"
}
},
"required": [
"term"
],
"type": "object"
},
"maxItems": 100,
"type": "array",
"x-ui": {
"affects_price": false,
"order": 60,
"widget": "object-list"
}
},
"language_hints": {
"description": "Likely spoken language codes, one per row.",
"items": {
"additionalProperties": false,
"properties": {
"code": {
"description": "Expected spoken language code, such as en, fr or yue.",
"maxLength": 16,
"minLength": 2,
"type": "string"
}
},
"required": [
"code"
],
"type": "object"
},
"maxItems": 10,
"type": "array",
"x-ui": {
"affects_price": false,
"order": 70,
"widget": "object-list"
}
},
"max_audio_seconds": {
"default": 15,
"description": "Maximum admitted length of each audio segment; commit earlier at a complete phrase.",
"maximum": 60,
"minimum": 1,
"type": "integer",
"x-ui": {
"affects_price": true,
"order": 90,
"widget": "number"
}
},
"prompt": {
"description": "Background context for speech recognition, rather than an instruction to answer or summarize.",
"maxLength": 2048,
"type": "string",
"x-ui": {
"affects_price": false,
"order": 80,
"widget": "textarea"
}
},
"realtime_session": {
"description": "Advanced native session configuration; overlapping regular controls must agree. Function tools are executed by your application.",
"type": "object",
"x-ui": {
"advanced": true,
"affects_price": false,
"order": 10,
"widget": "json"
}
},
"transcription_delay": {
"description": "Delay profile for incremental captions; higher settings wait for more context.",
"enum": [
"minimal",
"low",
"medium",
"high",
"xhigh"
],
"type": "string",
"x-ui": {
"affects_price": false,
"order": 50,
"widget": "select"
}
}
},
"type": "object",
"x-pricing": {
"billingMode": "per_unit",
"variantFields": []
}
}HTTP 202 означает принятие задачи, а не завершение генерации. Сохраните полученный taskId и проверяйте эту задачу. Не создавайте новую, пока ждёте результат.
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"
}
}В ответе о приёме есть оценка стоимости — приложение сможет показать ту же сумму в истории задач и в расчётах.
curl --get "https://api.spicyapi.ai/api/v1/jobs/recordInfo" \
--data-urlencode "taskId=$TASK_ID" \
-H "Authorization: Bearer $SPICY_API_KEY"Начните с интервала около 2 секунд и постепенно увеличивайте его. Прекратите опрос при конечном состоянии. После сбоя соединения используйте исходный taskId. Повторно создавать задачу можно только с исходным ключом идемпотентности и исходным телом запроса.
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);
});Передайте callBackUrl при создании задачи — готовая запись придёт к вам POST-запросом, и никакого опроса не понадобится. В каждой доставке есть X-Webhook-Timestamp, X-Webhook-Signature и X-Webhook-Payload-Version. Подпись — это HMAC-SHA256 в base64 от taskId.timestamp.sha256(body), поэтому проверять её нужно по исходным байтам: если разобрать JSON и сериализовать заново, байты изменятся и проверка не пройдёт. Неудачные доставки повторяются, так что один и тот же taskId может прийти дважды — сделайте обработчик идемпотентным. Сначала ответьте 2xx, работу выполняйте после: медленный обработчик считается неудачной доставкой.
Обрабатывайте output только при state, равном succeeded. При ошибке проверьте errorCode, errorMessage и request_id. Стоимость и состояния в примерах не являются фактическим счётом.
{
"code": 200,
"msg": "success",
"request_id": "req_example_record",
"data": {
"taskId": "job_01k3m8x9q2z4v7n5p6r8s0t1w3",
"model": "openai/gpt-live-transcribe/realtime-transcription",
"state": "succeeded",
"output": {
"assets": [
{
"key": "tasks/2026/08/28/job_01k3m8x9q2z4v7n5p6r8s0t1w3/3f7a1c9e5b2d48f0a6c1e3d5b7f9a1c3.mp3",
"mime": "audio/mpeg",
"url": "https://example.r2.cloudflarestorage.com/results/job_01k3m8x9q2z4v7n5p6r8s0t1w3/result.mp3?X-Amz-Signature=SIGNATURE_FROM_RESPONSE",
"expiresAt": "2026-08-28T12:20:08.000Z"
}
]
},
"cost": "0.750000",
"settled": true,
"createdAt": "2026-08-28T12:00:00Z",
"completedAt": "2026-08-28T12:00:30Z"
}
}Доступные файлы можно открыть или скачать по assets[].url без заголовка API Authorization. Подписанная ссылка действует до expiresAt. Чтобы обновить её, повторно запросите задачу в течение срока хранения файла. У ожидающих или недоступных файлов URL отсутствует. Не передавайте подписанные ссылки посторонним.
Используйте SpicyAPI в приложении, терминале, ИИ-ассистенте или визуальном процессе. Выберите руководство по настройке.
Писать код выше вовсе не обязательно. Подключите сервер MCP один раз — и любой агент, который говорит на MCP (Claude Code, Codex, Cursor, Windsurf, VS Code, Gemini CLI, Cline, LibreChat), вызовет эту модель по имени. Либо запустите её из терминала одной командой.
Возьми openai/gpt-live-transcribe/realtime-transcription и сгенерируй портрет танцовщицы в неоновом свете, сохрани в ./out/.
Агент найдёт модель в каталоге, сам загрузит локальный файл, покажет точную смету и предельную сумму списания — и дождётся вашего согласия. До этого ничего не списывается.
claude mcp add spicyapi -e SPICY_API_KEY=$SPICY_API_KEY \
-- npx --yes --package=@spicyapi/mcp spicyapi-mcp
npx skills add spicyapi-ai/spicy-skillПервая строка даёт агенту инструменты, вторая — Skill, то есть правила обращения с ними: сначала смета, потом списание; локальные файлы загружать, а не вставлять байтами; URL готового результата читать, а не угадывать. Остальные клиенты подключают тот же сервер через собственный файл настроек — см. раздел для разработчиков.
npx @spicyapi/cli tasks create --model openai/gpt-live-transcribe/realtime-transcription \
--input-json '{"audio_input_format":"pcm","audio_noise_reduction":"near_field","audio_url":"https://example.com/reference.wav","max_audio_seconds":15}' \
--waitВходные данные взяты из схемы этого эндпоинта — той же, что и в примерах выше. --wait дождётся завершения задачи и выведет её, а --yes пропустит подтверждение в CI. Сначала задайте SPICY_API_KEY: один ключ работает и для API, и для CLI, и для сервера MCP.
npx @spicyapi/cli files upload ./poster.png
# -> spicy://uploads/01k3m8x9q2z4v7n5p6r8s0t1w3
npx @spicyapi/cli tasks create --model openai/gpt-live-transcribe/realtime-transcription \
--input-json '{"audio_url":"spicy://uploads/01k3m8x9q2z4v7n5p6r8s0t1w3"}' \
--waitВ запрос попадают URL, а не байты. Сначала загрузите файл и подставьте выданный spicy:// URI — имя поля выше взято из схемы этого эндпоинта. Агент через MCP делает это сам, потому фраза выше и может прямо назвать ./poster.png. Медиа, уже доступное по публичному HTTPS, загружать не нужно.
npx @spicyapi/cli tasks create --model openai/gpt-live-transcribe/realtime-transcription \
--input-json '{…}' --retention 1h --wait
npx @spicyapi/cli tasks get $TASK_ID # read back the retention that appliedКлюч --retention только сокращает срок — 30m, 1h, 7d или 0, чтобы удалить сразу после перехода задачи в конечное состояние. Реально действует наименьшее из трёх: ваш запрос, настройки аккаунта и предел платформы, — поэтому считайте его из записи задачи, а не исходите из того, что запрошенное число применилось. Запросить срок больше разрешённого аккаунтом нельзя: это ничего не изменит.
Установите узлы SpicyAPI через ComfyUI Manager или командой ниже и найдите на холсте GPT Live Transcribe · Realtime transcription. У узла те же параметры, что и на этой странице, а цена показывается до запуска.
cd ComfyUI/custom_nodes
git clone https://github.com/spicyapi-ai/comfyui-spicyapiВстроенная панель читает ту же схему, что и эта страница, поэтому не может разойтись с API. Если содержимое должно индексироваться поиском по документации, возьмите JSON из /api/embed/models/ и отрисуйте его самостоятельно.
<iframe src="https://spicyapi.ai/embed/ru/models/gpt-live-transcribe/api?model=openai%2Fgpt-live-transcribe%2Frealtime-transcription" width="100%" height="560" loading="lazy" title="Пример запроса" style="border:1px solid rgba(0,0,0,.12)"></iframe>