음성 인식
녹음 파일을 업로드하면 텍스트로 전사합니다. 요청과 응답이 OpenAI Transcriptions API와 같은 형식이므로 기존 코드에서 주소와 키만 바꾸면 그대로 동작합니다. 실시간 대화, REST 음성 대화, 음성 합성과의 차이는 오디오 API 에서 비교할 수 있습니다. 엔드포인트 POST /v1/audio/transcriptions JSON이 아니라 multipart/form-data 로 전송합니다. 오디오 파일이 본문에 포함되기 때문입니다.
지원 모델
api_type=audio_transcription 인 모델만 이 엔드포인트에서 사용할 수 있습니다 openai/gpt-transcribe 정확도가 높은 받아쓰기 모델입니다. 회의록과 인터뷰처럼 전사 품질이 중요한 작업에 적합합니다. 요금은 토큰이 아니라 오디오 1분 단위 로 계산됩니다. openai/gpt-live-transcribe 와 openai/gpt-realtime-whisper 는 파일을 받지 않습니다. 실시간 세션에서 말하는 소리를 그대로 받아쓰는 모델이라, 이 엔드포인트가 아니라 실시간 음성 문서의 받아쓰기 설정에서 지정합니다.
요청 보내기
파일과 모델 코드만 있으면 요청할 수 있습니다 cURL Python Node.js
요청 파라미터
file 오디오 파일은 필수입니다. mp3, mp4, m4a, wav, webm 등을 지원하며 최대 크기는 25MB입니다. model 모델 코드 (필수) language ISO-639-1 언어 코드. 한국어면 ko 를 입력해야 합니다. 생략하면 자동으로 판단하지만 입력하는 편이 더 정확하고 빠릅니다. prompt 고유명사나 전문용어를 미리 알려 주는 힌트입니다. 사람 이름, 제품명, 사내 약어처럼 자주 틀리는 단어를 입력하면 전사 정확도가 높아집니다. temperature 범위는 0~1이며 기본값은 0입니다.
응답
전사된 텍스트와 사용량이 함께 반환됩니다 오디오와 텍스트 요금은 별도로 계산됩니다 input_token_details 의 오디오 토큰과 텍스트 토큰은 단가가 다르므로 각각 계산됩니다. 사용량 화면과 청구서에서도 같은 기준으로 구분됩니다.
현재 제한사항
실시간 스트리밍 stream=true 는 아직 지원하지 않습니다. 말하는 동안 바로 전사해야 한다면 Realtime API 를 사용해야 합니다. text · srt · vtt 응답 형식 response_format 은 json 을 사용해야 합니다. 자막·평문 형식은 본문에 사용량이 함께 오지 않아서 요금을 정확히 계산할 수 없어 지원하지 않습니다. 자막이 필요하면 json 응답으로 직접 생성해야 합니다.
에러
400 파일이 없거나, 받아쓰기 모델이 아니거나, 지원하지 않는 옵션을 보냈을 때 401 API 키 오류 413 파일이 25MB를 넘을 때 429 요청 한도 초과 음성 인식과 음성 대화는 목적이 다릅니다 전사 결과만 필요하면 이 API를 사용해야 합니다. 녹음 내용을 이해해 답변까지 생성하려면 gpt-audio Chat Completions 가 맞습니다.