语音识别

Mozia API 提供 OpenAI 兼容的语音识别接口。上传音频文件，同步返回识别文本，无需轮询任务状态。

接口

方法	路径	作用
POST	/v1/audio/transcriptions	将音频文件转写为文本并直接返回

基础地址：https://mzsjai.com

所有请求都需要 API Key：

Authorization: Bearer <YOUR_API_KEY>

请求体为 multipart/form-data，与 OpenAI 的 audio.transcriptions 接口一致，可直接使用 OpenAI 官方 SDK。

快速开始

curl --fail-with-body \
  -X POST 'https://mzsjai.com/v1/audio/transcriptions' \
  -H "Authorization: Bearer ${MOZIA_API_KEY}" \
  -F 'model=kyrgyz-whisper-medium' \
  -F 'file=@meeting.mp3'

{"text": "Полиция сөөк ал жерде бир күндөй тургандыгын билдирген."}

通用参数

参数	类型	必填	说明
file	file	是	音频文件，单文件不超过 25 MB
model	string	是	模型 ID，见各模型页面
language	string	否	音频语言（ISO 639-1），各模型支持的取值不同
response_format	string	否	json（默认）、text、verbose_json

verbose_json 额外返回音频时长与语言：

{"task": "transcribe", "language": "ky", "duration": 86.65, "text": "..."}

支持的音频格式

wav、mp3、flac、m4a、ogg、webm、aac。采样率与声道不限，服务端会自动转换为 16 kHz 单声道。

计费

语音识别按音频时长计费，精确到秒并向上取整；识别结果的文本长度不影响费用。 每个模型的单价见模型页面。

可用模型

模型	语言	说明
kyrgyz-whisper-medium	吉尔吉斯语、俄语、英语	吉尔吉斯语专项优化的 Whisper 模型