Whisper-1

whisper-1 的技術規格

什麼是 whisper-1？

whisper-1 是一個透過 CometAPI 提供的語音辨識模型，用於將音訊轉為文字，並從口語音訊建立英文翻譯。它專為需要對錄製語音、訪談、會議、語音備忘、字幕與多語音訊工作流程進行可靠轉錄的開發者設計。

該模型非常適合需要跨多語言自動語音辨識的應用。它既可將音訊以原語言轉錄，也能將口語內容翻譯成英文，適用於全球化產品、媒體處理管線、支援工具與無障礙解決方案。

由於 whisper-1 以上傳的音訊檔案為輸入並回傳文字輸出，因此自然適用於後端自動化、內容索引、字幕產生、搜尋增強與分析管線。

whisper-1 的主要功能

• 語音轉文字轉錄：將口語音訊轉為書面文字，用於文件、字幕、封存與應用流程。
• 語音翻譯：從非英文的口語音訊產生英文文字翻譯，簡化多語內容處理。
• 多語言辨識：支援多種語言的辨識，適用於國際化與跨區部署。
• 提示輔助格式化：接受提示以引導標點、大小寫、術語與轉錄風格。
• 檔案式 API 流程：適用於上傳音訊檔，便於整合至批次作業、媒體系統與後端服務。
• 語言識別支援：可用於需要偵測或處理多種口語語言的流程。
• 非常適合內容作業：用於字幕製作、建立可搜尋的轉錄、客戶通話記錄、訪談處理與語音備忘轉換。

如何存取與整合 whisper-1

步驟 1：註冊取得 API 金鑰

要開始使用 whisper-1，請先在 CometAPI 建立帳戶並從儀表板產生 API 金鑰。登入後，前往 API 管理區建立新金鑰並妥善保存。每次向 whisper-1 API 傳送請求都需要此金鑰以進行驗證。

步驟 2：向 whisper-1 API 傳送請求

取得 API 金鑰後，您可以使用 whisper-1 模型 ID 向 CometAPI 端點傳送請求。在 Authorization 標頭中包含您的 API 金鑰，並指定 whisper-1 為目標模型。對於語音工作流程，將音訊檔案傳送至相應的轉錄或翻譯端點。

curl --request POST \
  --url https://api.cometapi.com/v1/audio/transcriptions \
  --header "Authorization: Bearer YOUR_COMETAPI_KEY" \
  --header "Content-Type: multipart/form-data" \
  --form "model=whisper-1" \
  --form "file=@/path/to/audio.mp3"

對於翻譯流程，使用相同模型 ID 的翻譯端點：

curl --request POST \
  --url https://api.cometapi.com/v1/audio/translations \
  --header "Authorization: Bearer YOUR_COMETAPI_KEY" \
  --header "Content-Type: multipart/form-data" \
  --form "model=whisper-1" \
  --form "file=@/path/to/audio.mp3"

步驟 3：擷取並驗證結果

請求處理完成後，CometAPI 會回傳 whisper-1 作業所產生的文字結果。請檢視回應以確認轉錄品質、語言處理、標點與完整性。若有需要，調整音訊前處理或提示方式，並重新傳送請求，以提升生產環境中的輸出一致性。