asr · 语音转文字

1. 直接调硅基流动（任何语言都能用）

本页用的就是下面这个接口。multipart/form-data 上传音频，不是 JSON。

POST https://api.siliconflow.cn/v1/audio/transcriptions
Authorization: Bearer <你的Key>
Content-Type: multipart/form-data

file=<音频二进制>
model=XingChenAGI/XingChenASR-V3.2-Ultra

// 返回
{
  "duration": 7.97,
  "text": "今天天气很好，我们一起去公园散步吧。人工智能正在改变世界。",
  "usage": { "type": "duration", "seconds": 8 }
}

2. curl

curl -X POST https://api.siliconflow.cn/v1/audio/transcriptions ^
  -H "Authorization: Bearer %SF_KEY%" ^
  -F "file=@D:/test/audio.wav" ^
  -F "model=XingChenAGI/XingChenASR-V3.2-Ultra"

3. Python（本机已有现成封装 asr.py）

# CLI：D:\pros\free-ai\asr.py（密钥读 .env，不用写在代码里）
cd /d/pros/free-ai
py asr.py audio.wav                 # 直接打印文本
py asr.py audio.wav --json          # 输出 JSON：{"text":..., "duration":...}
py asr.py --models                  # 列出全部音频模型

# 作为库调用
import asr
r = asr.transcribe("audio.wav")
print(r["text"], r["duration"])

4. 浏览器（本页的做法）

const fd = new FormData();
fd.append("file", fileInput.files[0]);
fd.append("model", "XingChenAGI/XingChenASR-V3.2-Ultra");

const r = await fetch("https://api.siliconflow.cn/v1/audio/transcriptions", {
  method: "POST",
  headers: { Authorization: "Bearer " + key },   // 不要手动设 Content-Type
  body: fd
});
const { text, duration } = await r.json();

接口返回 Access-Control-Allow-Origin: *，浏览器可跨域直连，无需自建后端。

5. 参数与模型

列音频模型：GET https://api.siliconflow.cn/v1/models?type=audio（参数是 type=audio，写 asr / speech-to-text 都返回空）。