steipete/openai-whisper-api

¿Qué hace openai-whisper-api?

API de transcripciones de audio de OpenAI mediante curl; gpt-4o-transcribe, mini, diarizar o whisper-1.

Descripción

Esta habilidad te permite transcribir archivos de audio a texto utilizando la API de OpenAI. Soporta los modelos whisper-1, gpt-4o-transcribe y gpt-4o-mini-transcribe, con opciones de diarización (identificación de hablantes) y marcas de tiempo.

Requisitos

• Una clave API de OpenAI configurada como variable de entorno OPENAI_API_KEY
• curl instalado (común en la mayoría de sistemas)

Uso

Transcripción básica (whisper-1)

curl https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F file="@audio.mp3" \
  -F model="whisper-1"

Transcripción con gpt-4o-transcribe

curl https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F file="@audio.mp3" \
  -F model="gpt-4o-transcribe"

Transcripción con gpt-4o-mini-transcribe

curl https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F file="@audio.mp3" \
  -F model="gpt-4o-mini-transcribe"

Diarización (identificación de hablantes)

curl https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F file="@audio.mp3" \
  -F model="gpt-4o-transcribe" \
  -F diarize=true

Parámetros adicionales

• language: Código de idioma ISO 639-1 (ej. es, en)
• response_format: json (predeterminado), text, srt, vtt, verbose_json
• temperature: Control de aleatoriedad (0-1)
• timestamp_granularities[]: segment o word para marcas de tiempo detalladas

Ejemplo con formato SRT y timestamp por segmento

curl https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -F file="@audio.mp3" \
  -F model="gpt-4o-transcribe" \
  -F response_format="srt" \
  -F timestamp_granularities[]="segment"

Notas

• El archivo de audio debe medir menos de 25 MB. Para archivos más grandes, usa la API de fragmentos de audio.
• Los formatos compatibles incluyen: mp3, mp4, mpeg, mpga, m4a, wav, webm, flac, ogg.
• Consulta la documentación oficial de OpenAI para más detalles.