openclaw/openai-whisper-api

O que openai-whisper-api faz?

API de transcrições de áudio da OpenAI via curl; suporta gpt-4o-transcribe, mini, diarize ou whisper-1.

Este skill permite transcrever arquivos de áudio usando a API da OpenAI via comandos curl. Ideal para integração rápida em scripts bash, automações ou ferramentas de linha de comando.

Modelos Suportados

• gpt-4o-transcribe – Modelo mais recente e preciso para transcrição.
• gpt-4o-mini-transcribe – Versão leve e rápida.
• whisper-1 – Modelo clássico da OpenAI Whisper.
• diarize – Ativa a diarização (identificação de falantes) nos modelos gpt-4o.

Pré-requisitos

• Chave de API da OpenAI configurada como variável de ambiente OPENAI_API_KEY.
• curl instalado no sistema.
• Arquivo de áudio em formato suportado (mp3, wav, ogg, flac, etc.).

Como Usar

Transcrição básica com whisper-1

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

Transcrição com gpt-4o-transcribe

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

Com diarização (identificação de falantes)

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

Formato de resposta em JSON com timestamps

curl -s https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: multipart/form-data" \
  -F file="@audio.mp3" \
  -F model="whisper-1" \
  -F response_format="verbose_json"

Argumentos Opcionais

• language – Código do idioma (ex.: pt para português).
• response_format – json, verbose_json, text, srt, vtt.
• temperature – Controla a criatividade da transcrição (0.0 a 1.0).
• timestamp_granularities – word ou segment (requer response_format verbose_json).

Exemplo com Idioma Específico

curl -s https://api.openai.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $OPENAI_API_KEY" \
  -H "Content-Type: multipart/form-data" \
  -F file="@reuniao.mp3" \
  -F model="whisper-1" \
  -F language="pt"

Observações

• O tamanho máximo do arquivo de áudio é 25 MB.
• Para arquivos maiores, considere dividir o áudio ou usar a API de upload de arquivos.
• A diarização pode aumentar o custo e o tempo de processamento.
• Certifique-se de que o arquivo de áudio esteja em um formato suportado pela OpenAI.