Realtime Transcription API

WebSocket으로 오디오를 보내 발화별 전사 결과를 받습니다. 모델은 kitsch-stt-v1입니다.

WSS /v1/realtime?intent=transcription

연결 시 Authorization: Bearer <KITSCH_API_KEY> 헤더를 전달합니다.

요청

{"type":"session.update","session":{"type":"transcription","audio":{"input":{"format":{"type":"audio/pcm","rate":24000},"transcription":{"model":"kitsch-stt-v1"},"turn_detection":null}}}}

{"type":"input_audio_buffer.append","audio":"<BASE64_AUDIO>"}

{"type":"input_audio_buffer.commit"}

클라이언트는 session.update, input_audio_buffer.append, input_audio_buffer.commit을 보냅니다. 서버는 session·commit 이벤트와 전사 delta, completed를 반환합니다.

PCM 입력은 signed PCM16 little-endian, mono, 24 kHz입니다. audio/pcmu, audio/pcma 입력은 8 kHz입니다. 오디오 한 이벤트의 decoded 크기는 최대 256 KiB, 연결 시간은 최대 30초입니다.

응답

{"type":"conversation.item.input_audio_transcription.delta","item_id":"item_1","content_index":0,"delta":"Hello."}

{"type":"conversation.item.input_audio_transcription.completed","item_id":"item_1","content_index":0,"transcript":"Hello.","usage":{"type":"duration","seconds":1}}