Wisprs Transcription

Speech to text API for YouTube, TikTok, podcasts, and any audio or video URL. Export as SRT, VTT, JSON, Markdown, or DOCX. Generate AI summaries, chapters, show notes, and Twitter threads from any transcript. 100+ languages. Async. Webhook-ready.

原始信息汇总

数据集概述：Wisprs Transcription

Wisprs Transcription 是一个用于将公开可访问的音频或视频 URL 转录为文本的 REST API，并具备 AI 内容再利用功能。

核心功能

• 转录任何媒体 URL：支持提交 YouTube、TikTok、播客、Loom、Vimeo 以及直接的 MP3/MP4/WAV 等音频/视频 URL。采用异步处理模型，提交后返回 jobId，可轮询直至完成，无超时限制。
• 多格式导出：支持导出为 6 种格式，包括 SRT、VTT、JSON（词级时间戳）、Markdown、纯文本和 DOCX。
• AI 内容再利用：可将转录结果生成 AI 章节（带时间戳）、节目笔记、Twitter/X 帖子、LinkedIn 帖子、博客文章、摘要或逐字引语，所有输出均为结构化 JSON。
• 语义库搜索：支持跨所有转录结果进行语义搜索，可按含义而非关键词查询，返回带有时间戳和相关性分数的结果。

关键特性

• 说话者分离：识别谁在何时说了什么（Pro+ 版本）。
• 100+ 种语言：支持自动语言检测。
• Webhooks：任务完成或失败时，通过 HMAC-SHA256 签名的 payload 进行回调，无需轮询。
• 重试端点：可重新排队失败的任务，无需重新提交。
• 重试端点：提供 POST /jobs/{id}/retry 端点用于重新排队失败的任务。
• 异步作业模型：任务状态流转为 queued → downloading → processing → completed，失败时进入 failed 状态。

价格方案

方案	价格	每月转录分钟数	关键特性
Free	$0/月	30 分钟/天	TXT + SRT 导出
Pro	$25/月	1,000 分钟	所有 6 种导出格式、AI 总结、说话者分离、库搜索
Studio	$79/月	3,000 分钟	批量处理、Turbo 模式、会议机器人
Agency	$149/月	5,000 分钟	团队协作、自定义词汇
Enterprise	自定义	无限	SLA、数据主权、专属支持

注意：免费层仅支持 txt 和 srt 格式导出。

使用示例

1. 提交转录作业：向 POST /media/ingest 端点发送包含音频/视频 URL 的请求，立即获得 jobId。
2. 轮询作业状态：向 GET /jobs/{id} 端点发送请求，直到状态变为 completed。
3. 获取或导出转录：向 GET /transcriptions/{id} 获取完整转录，或向 GET /transcriptions/{id}/export?format=srt 导出特定格式的结果。
4. AI 内容再利用：向 POST /transcriptions/{id}/repurpose 发送请求并指定 mode（如 thread、summary、chapters），生成相应内容。

支持的数据源

• YouTube 视频
• TikTok
• Instagram Reels
• Loom
• Vimeo
• 播客剧集 URL（MP3、RSS、M4A）
• 直接的音频/视频文件（MP4、MP3、WAV、OGG、M4A）

注意： 不支持私有或 DRM 保护的内容。

技术细节

• 认证方式：所有端点需在请求头中提供 Authorization: Bearer wisprs_sk_your_key_here 形式的 Bearer Token。
• 速率限制：免费版 10 次请求/分钟，Pro 版 200 次请求/分钟，Agency 版 500 次请求/分钟，Enterprise 版 1000 次请求/分钟。超出限制将返回 429 状态码。
• 错误处理：API 会返回包含 success、error 和 code 字段的 JSON 错误响应，涵盖 400、401、402、403、404、415、429、503 等状态码。
• 库搜索：需要 Pro 或以上版本。
• AI 再利用结果：不存储在服务端，需客户端自行缓存。