Automatyzacja transkrypcji za pomocą API: praktyczne przykłady
String: Automatyzacja z API VoxScriber: wysyłaj nagrania przez URL, wybieraj silnik i formaty, używaj idempotency_key i metadata, odbieraj wszystko przez webhook.
Dzięki API zamienisz każde źródło nagrań — telefonię, dyktafon do spotkań, system wewnętrzny — w przeszukiwalny tekst, bez ręcznej interwencji. Ten artykuł przedstawia zalecany przepływ i gotowe przepisy. Wcześniej sprawdź wymagania wstępne w API transkrypcji (plan Profissional+ i klucz vpt_live_).
Zalecany przepływ
- Wyślij audio przez URL z
webhook_url. - Odbierz callback po zakończeniu (sukces lub błąd).
- Pobierz wyeksportowane pliki z linków wyniku — są ważne przez 7 dni.
Bez pollingu: przy limicie 60 żądań na minutę na klucz, zapętlone odpytywanie statusu marnuje limit. Webhook sam dostarcza wynik, z maksymalnie 6 ponownymi próbami, jeśli Twój serwer jest niedostępny.
Przepis 1 — transkrypcja każdego nowego nagrania
curl -X POST https://api.voxscriber.com/v1/transcriptions \
-H "Authorization: Bearer $VPT_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"audio_url": "https://storage.suaempresa.com/calls/2026-08-02-0931.mp3",
"webhook_url": "https://api.suaempresa.com/hooks/vpt",
"formats": ["txt", "docx"],
"metadata": { "call_id": "0931", "agente": "maria" },
"idempotency_key": "call-2026-08-02-0931"
}'
metadatawraca w webhooku — użyj go, aby powiązać wynik z rekordem w swoim systemie.idempotency_keygwarantuje, że przypadkowe ponowne wysłanie (retry z Twojej strony, wdrożenie w trakcie zadania) nie przetworzy ani nie naliczy opłaty za to samo nagranie dwukrotnie.
Przepis 2 — wybór silnika według kosztu
Pole engine akceptuje ASSEMBLYAI (Premium, domyślne), WHISPER (Standardowe) i ELEVENLABS (Ultra). Przy dużym wolumenie, gdzie koszt jest ważniejszy niż wykończenie, użyj Whisper — 1 cykl/min zamiast 4 dla Premium:
-d '{ "audio_url": "...", "webhook_url": "...", "engine": "WHISPER" }'
Zasada praktyczna: Premium na ważne spotkania i rozmowy kwalifikacyjne; Standard (Whisper) przy dużym wolumenie i nagraniach z szumem; Ultra, gdy separacja mówców musi być nienaganna (dostępne w planie Profissional+).
Przepis 3 — automatyczne napisy
Poproś o formats: ["srt", "vtt"] i odbierz gotowe napisy na YouTube lub odtwarzacze webowe bezpośrednio w webhooku. Szczegóły każdego formatu znajdziesz w Eksport do innych narzędzi.
Limity wpływające na automatyzacje
| Element | Reguła |
|---|---|
| Rate limit | 60 żądań/min na klucz |
audio_url | tylko https, publiczny, do 500 MB (pobieranie) lub 5 GB przez passthrough z silnikiem Premium |
| Formaty | zależą od progu Twojego planu; niedozwolone wracają w exports_skipped |
| Linki do pobrania | wygasają po 7 dniach (transkrypcja pozostaje w archiwum) |
| Cykle | te same koszty co na stronie, pobierane z tego samego salda |
Monitoruj saldo cykli: obecnie nie ma limitu wydatków na klucz. Automatyzacja z niekontrolowaną pętlą zużywa realne saldo. idempotency_key to Twoja pierwsza linia obrony.
FAQ
Jak otrzymam końcowy tekst — w webhooku czy muszę go pobrać?
Webhook przynosi wynik i linki do wyeksportowanych plików w żądanych formatach. Pobierz pliki w ciągu 7 dni; po tym czasie treść pozostaje dostępna w archiwum na stronie.
Czy mogę ustawić język nagrania?
Tak, za pomocą pola language. Bez niego obowiązuje ustawienie domyślne konta; automatyczne wykrywanie jest również obsługiwane przez silniki.
A co jeśli dwa systemy wyślą to samo nagranie?
Użyj tego samego idempotency_key w obu — tylko pierwsze zostanie przetworzone i naliczone.
Czy automatyzacja działa dla członków organizacji?
Tak — a zużycie podlega regułom planu firmy. Do audytu połączeń na dużą skalę zobacz dedykowane API.
Powiązane artykuły
- API transkrypcji
- Webhooki i powiadomienia
- API Enterprise do audytu
- Czym są cykle i ile kosztuje każda minuta
Nie rozwiązało to problemu? Otwórz zgłoszenie — nasz zespół odpowiada szybko.