--- title: "API de transcription audio hébergée en Europe · Whisper" description: "Transcrivez vos fichiers audio avec Whisper via une API speech to text compatible OpenAI. Réunions, appels et notes vocales, traités dans l'UE." canonical: "https://inference.eu/fr/api/audio-transcriptions/" language: "fr" --- POST /v1/audio/transcriptions # API speech to text : transcription Whisper traitée dans l'UE Le point de terminaison de transcription convertit la parole enregistrée en texte à l'aide de modèles ouverts de reconnaissance vocale comme Whisper. Il accepte le même envoi multipart que l'API audio d'OpenAI : votre code fonctionne après un simple changement d'URL de base. Appels clients, réunions et dictées contiennent souvent des données personnelles ; ici, elles sont traitées dans des centres de données européens. [Contacter l'équipe](https://inference.eu/fr/contact/)[Exemple de requête](#example) 1. 01Format d'API: OpenAI 2. 02Centres de données dans l'UE 3. 03Couvert par un seul DPA POST /v1/audio/transcriptions ``` curl https://api.inference.eu/v1/audio/transcriptions \ -H "Authorization: Bearer $INFERENCE_EU_API_KEY" \ -F file="@kundengespraech.mp3" \ -F model="whisper-large-v3-turbo" \ -F language="de" \ -F response_format="verbose_json" \ -F "timestamp_granularities[]=segment" ``` ## Ce que fait le point de terminaison `POST /v1/audio/transcriptions` reçoit un fichier audio en `multipart/form-data` et renvoie ce qui a été dit. Placez le fichier dans le champ `file` et l'identifiant du modèle dans `model`, par exemple `whisper-large-v3-turbo`. Les formats courants comme mp3, mp4, m4a, wav, webm, ogg et flac sont acceptés. Les modèles Whisper reconnaissent près d'une centaine de langues, dont toutes les grandes langues de l'UE, et détectent la langue automatiquement si vous ne la précisez pas. La réponse par défaut est `{"text": "..."}`, ce qui suffit souvent pour alimenter un résumé, un index de recherche ou un ticket. ## Les champs essentiels de la requête `language` attend un code ISO 639-1 comme `fr`, `de` ou `nl`. Le préciser améliore la justesse et la rapidité sur les enregistrements courts ou bruités, où la détection automatique peut se tromper. `prompt` donne du contexte au modèle : noms propres, termes métier ou texte du segment précédent, pour qu'il écrive correctement « Kubernetes » ou le nom d'une collègue. `response_format` peut valoir `json`, `text`, `srt`, `vtt` ou `verbose_json`. Pour des sous-titres, choisissez `srt` ou `vtt`. `verbose_json` renvoie la langue détectée, la durée et un tableau `segments` avec horodatages ; avec `timestamp_granularities[]` à `word`, vous obtenez aussi le minutage de chaque mot. Laissez `temperature` à 0 pour la transcription. ## Un schéma éprouvé pour les appels et réunions Un flux courant consiste à enregistrer un appel au support ou une réunion, à le transcrire en `verbose_json` pour garder les horodatages, puis à envoyer la transcription à un modèle de chat en lui demandant un résumé, les actions à mener et les engagements pris. Conservez les segments avec leurs temps pour pouvoir revenir au bon moment de l'enregistrement. Pour de grandes archives, traitez les fichiers en arrière-plan plutôt que de garder une connexion ouverte pour chacun. Enregistrez la langue par client ou par équipe, et tenez un court glossaire de noms et de termes à passer dans `prompt` pour chaque fichier. ## Erreurs et cas particuliers Un fichier au-delà de la taille maximale renvoie un HTTP 413 ou une erreur 400. Découpez les longs enregistrements, de préférence sur des silences, et reprenez la dernière phrase d'une partie comme `prompt` de la suivante pour garder le contexte. La limite de taille dépend de votre offre et nous vous la confirmons. Un fichier non pris en charge ou corrompu renvoie une erreur 400 explicite. De longs silences ou de la musique peuvent amener Whisper à répéter une phrase ou à inventer du texte : coupez les silences au préalable ou utilisez une détection d'activité vocale. La réponse n'identifie pas les locuteurs ; ajoutez une étape de diarisation si nécessaire. ## Speech to text Endpoint POST /v1/audio/transcriptions Catégorie Endpoints Format d'API OpenAI Base URL api.inference.eu/v1 Traitement Centres de données dans l'UE Entraînement sur vos données Jamais ## Speech to text : questions fréquentes Les questions que nous posent le plus les achats, les développeurs et les juristes. Il en manque une ? Posez-la-nous directement. Oui. Le point de terminaison reprend le chemin, les champs multipart et les formats de réponse de \`/v1/audio/transcriptions\` chez OpenAI. \`client.audio.transcriptions.create\` fonctionne dans les SDK OpenAI dès que vous changez l'URL de base et la clé et choisissez un modèle ouvert comme \`whisper-large-v3-turbo\`. Les modèles Whisper couvrent près d'une centaine de langues, dont le français, l'allemand, l'espagnol, l'italien, le néerlandais, le polonais et les autres grandes langues de l'UE. La qualité varie selon la langue et l'enregistrement. Indiquez \`language\` quand vous la connaissez, surtout pour les extraits courts. Oui. Réglez \`response\_format\` sur \`srt\` ou \`vtt\` pour des fichiers de sous-titres, ou sur \`verbose\_json\` pour une réponse JSON dont les \`segments\` comportent début et fin. Ajoutez \`timestamp\_granularities\[\]=word\` pour un minutage mot à mot, utile aux outils de montage et au surlignage pendant la lecture. La taille maximale d'envoi dépend de votre offre, et nous vous la confirmons. Au-delà, découpez l'enregistrement aux pauses naturelles, transcrivez chaque partie et assemblez le texte. Convertir en mono à un débit plus faible fait souvent passer un long appel sous la limite sans nuire à la qualité. La réponse de transcription n'étiquette pas les locuteurs. Pour savoir qui a dit quoi, appliquez une diarisation à l'audio et alignez ses tours de parole sur les horodatages des segments de \`verbose\_json\`. Pour bien des résumés, un modèle de chat déduit les rôles, comme conseiller et client, à partir du contenu. Passez un court \`prompt\` contenant les noms, termes produits et abréviations attendus, écrits comme vous souhaitez les voir. Le modèle s'en sert comme contexte. Pour un enregistrement découpé, utilisez la fin de la transcription précédente comme prompt de la partie suivante. Non. Les fichiers audio sont traités dans des centres de données de l'UE pour produire la transcription et ne servent pas à entraîner des modèles. Les enregistrements d'appels et de réunions contiennent souvent des données personnelles, d'où l'intérêt d'un traitement en Europe. Les règles de conservation de votre contrat vous sont confirmées par écrit. Ce point de terminaison transcrit des fichiers complets. Pour du quasi temps réel, envoyez des extraits de quelques secondes au fil de l'enregistrement et assemblez les résultats en passant le texte précédent dans \`prompt\`. Si vous avez besoin d'une configuration de streaming dédiée, nous en discutons avec vous. [Poser une question](https://inference.eu/fr/contact/) ## Pages liées [Présentation de l'API](https://inference.eu/fr/api/) - [Text to speechGénérez une voix naturelle à partir de texte avec une API text to speech compatible OpenAI. Modèles vocaux ouverts pour apps et serveurs vocaux, dans l'UE.Endpoints](https://inference.eu/fr/api/audio-speech/) - [Chat completionsEnvoyez vos messages à des modèles open-weight au format chat completions d'OpenAI. Traitement dans des centres de données de l'UE, sans entraînement.Endpoints](https://inference.eu/fr/api/chat-completions/) - [BatchesExécutez des milliers de requêtes de chat ou d'embeddings en un seul traitement asynchrone avec une API batch compatible OpenAI, traitée dans l'UE.Endpoints](https://inference.eu/fr/api/batches/) - [FilesEnvoyez, listez, téléchargez et supprimez des fichiers avec une API Files compatible OpenAI, pour vos lots et vos outils. Stockage dans l'UE.Endpoints](https://inference.eu/fr/api/files/) ## Faites passer vos charges IA sur une infrastructure européenne Dites-nous quels modèles vous utilisez et votre volume approximatif. Nous répondons sous un jour ouvré avec un tarif et la suite. - Réponse sous un jour ouvré - Tarif adapté à votre volume - DPA prêt à signer