Превращает аудиозапись в текст: голосовые сообщения, звонки, подкасты, интервью, субтитры. OpenAI-совместимый формат — без переписывания работают openai Python/TypeScript SDK и любые клиенты под OpenAI Audio API: достаточно поменять base_url.

Стрима нет: один POST → один JSON-ответ с готовым текстом (stream: true отклоняется с кодом 400). Полный список моделей распознавания — в каталоге (фильтр «Транскрибация»): Whisper, GPT-4o Transcribe, Voxtral, Chirp и другие.

Эндпоинт

POSThttps://api.hubris.pw/v1/audio/transcriptions

Заголовки:

Header	Значение
`Authorization`	`Bearer sk-gw-...` (обязательно)
`Content-Type`	`multipart/form-data` (файл) или `application/json` (base64)

Тело запроса

Поддерживаются два формата — результат одинаковый.

Вариант 1: multipart/form-data (как у OpenAI)

Поле	Тип	По умолчанию	Описание
`file`	`file`	—	Аудиофайл. Форматы: WAV, MP3, FLAC, M4A, OGG, WebM, AAC. До 25 МБ.
`model`	`string`	—	ID модели распознавания, например `openai/whisper-1`.
`language`	`string`	авто	Язык записи в ISO-639-1 (`ru`, `en`). Явное указание ускоряет и уточняет распознавание.
`prompt`	`string`	—	Подсказка: имена, термины, аббревиатуры, которые встречаются в записи.
`temperature`	`number`	`0`	0–1. Выше — креативнее, ниже — детерминированнее.
`response_format`	`string`	`json`	`json` или `verbose_json` (поддержка `verbose_json` зависит от модели). Форматы `text`/`srt`/`vtt` не поддерживаются.
`timestamp_granularities[]`	`string[]`	—	`segment` и/или `word` — таймстемпы в `verbose_json` (поддерживается не всеми моделями).

Вариант 2: application/json (аудио в base64)

Поле	Тип	Описание
`model`	`string`	ID модели распознавания.
`input_audio.data`	`string`	Аудио в base64 (без `data:`-префикса).
`input_audio.format`	`string`	Формат: `wav`, `mp3`, `flac`, `m4a`, `ogg`, `webm`, `aac`.

Прямые URL на аудио не поддерживаются — только файл или base64. Записи длиннее ~10 минут лучше резать на части: у провайдеров есть таймаут обработки (~60 секунд на запрос).

Минимальный пример

curl -s https://api.hubris.pw/v1/audio/transcriptions \
-H "Authorization: Bearer sk-gw-..." \
-F file=@voice.mp3 \
-F model=openai/whisper-1 \
-F language=ru

curl -s https://api.hubris.pw/v1/audio/transcriptions \-H "Authorization: Bearer sk-gw-..." \-F file=@voice.mp3 \-F model=openai/whisper-1 \-F language=ru

from openai import OpenAI

client = OpenAI(
  base_url="https://api.hubris.pw/v1",
  api_key="sk-gw-...",
)

with open("voice.mp3", "rb") as f:
  r = client.audio.transcriptions.create(
      model="openai/whisper-1",
      file=f,
      language="ru",
  )
print(r.text)

from openai import OpenAIclient = OpenAI(  base_url="https://api.hubris.pw/v1",  api_key="sk-gw-...",)with open("voice.mp3", "rb") as f:  r = client.audio.transcriptions.create(      model="openai/whisper-1",      file=f,      language="ru",  )print(r.text)

import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({
baseURL: "https://api.hubris.pw/v1",
apiKey: "sk-gw-...",
});

const r = await client.audio.transcriptions.create({
model: "openai/whisper-1",
file: fs.createReadStream("voice.mp3"),
language: "ru",
});
console.log(r.text);

import fs from "node:fs";import OpenAI from "openai";const client = new OpenAI({baseURL: "https://api.hubris.pw/v1",apiKey: "sk-gw-...",});const r = await client.audio.transcriptions.create({model: "openai/whisper-1",file: fs.createReadStream("voice.mp3"),language: "ru",});console.log(r.text);

Ответ

{
  "text": "Привет! Это тестовая запись для распознавания речи.",
  "usage": {
    "seconds": 4,
    "input_tokens": 120,
    "output_tokens": 18,
    "total_tokens": 138,
    "cost": 6
  }
}

Поля ответа

Поле	Тип	Описание
`text`	`string`	Распознанный текст. Пустая строка — валидный результат (тишина в записи).
`usage.seconds`	`number`	Длительность обработанного аудио в секундах (если модель её сообщает).
`usage.input_tokens`	`integer`	Токены аудио-входа.
`usage.output_tokens`	`integer`	Токены текста на выходе.
`usage.total_tokens`	`integer`	Сумма.
`usage.cost`	`integer`	Стоимость в копейках. Hubris-расширение.

При response_format: "verbose_json" модели, которые это поддерживают, дополнительно возвращают language, duration, segments[] и words[] с таймстемпами.

HTTP-коды

Код	Когда
`200`	Успешное распознавание.
`400`	Нет `file`/`model` (multipart) или `input_audio` (JSON), невалидное тело.
`401`	Ключ отсутствует / отозван / невалиден.
`402`	Недостаточно средств на балансе.
`404`	Модели с таким `model` не существует или это не модель распознавания.
`413`	Тело запроса больше лимита (файл до 25 МБ).
`429`	Превышен дневной лимит на ключе.
`502 / 503 / 504`	Транзиентные сбои у провайдера или курса ЦБ.

Формат тела ошибки и стратегия retry — Ошибки.

Биллинг

Стоимость считается по факту каждого запроса и возвращается в usage.cost в копейках — та же сумма, что списывается с баланса и видна в логах. Часть моделей тарифицируется по длительности записи, часть — по токенам; ориентиры цен — в каталоге с фильтром «Транскрибация».

Что дальше

Модели — как выбрать модель распознавания.
Ошибки — что делать на 429/502.
Цены — формула расчёта.

Обновлено: 26 июля 2026 г.

POST /v1/audio/transcriptions