来源与转录设置 | transcript1 docs

提交YouTube、X、TikTok、Instagram、Facebook或Bluesky的视频链接，或直接上传文件，即可开始转录。其他支持的平台、公开录制内容和链接格式见下表。在POST /v1/transcriptions的请求体中，还可以用source选择文本来源、用diarize开启说话人分离、用language指定语言；这些字段均可省略。

支持的平台

将视频链接填入url即可，API会自动识别平台。如果同时填写platform，其值必须与链接对应的平台一致。

平台	支持的链接
YouTube（`youtube`）	支持的具体格式见下方YouTube链接表。
X（`x`）	带视频的帖子，域名为`x.com`或`twitter.com`，如`https://x.com/user/status/1234567890`。
TikTok（`tiktok`）	`tiktok.com`的视频帖子。也支持`vm.tiktok.com`、`vt.tiktok.com`和`www.tiktok.com/t/`短链接。
Instagram（`instagram`）	`instagram.com`的Reels和视频帖子，路径为`/reel/`、`/reels/`、`/p/`或`/tv/`。Reel或帖子路径前带用户名也可以。
Facebook（`facebook`）	`facebook.com`的视频和Reel，包括watch页面链接。也支持`fb.watch`、`/share/v/`和`/share/r/`短链接。
Bluesky（`bluesky`）	带视频的`bsky.app`帖子，如`https://bsky.app/profile/user.example/post/3l3w4b5c6d7e2`。
Twitch（`twitch`）	已结束的直播回放（VOD）：`twitch.tv/videos/<id>`或`/<channel>/v/<id>`，其中`v`也可以写作`video`。剪辑：`clips.twitch.tv/<slug>`、`twitch.tv/<channel>/clip/<slug>`或`/clip/<slug>`。支持的域名包括`twitch.tv`、`www`、`m`、`go`及`clips.twitch.tv`。
Dailymotion（`dailymotion`）	视频路径为`dailymotion.com/video/<id>`（可附带`_title`）或`/embed/video/<id>`，短链接为`dai.ly/<id>`。也接受`www.dailymotion.com`和`touch.dailymotion.com`域名。
Pinterest（`pinterest`）	`pinterest.com`或`www.pinterest.com`的视频Pin，路径为`/pin/<id>/`或`/pin/<slug>--<id>/`。只读取Pin内第一个原生视频，不读取外部嵌入视频。不支持图片、画板、`pin.it`或地区域名。
LinkedIn（`linkedin`）	公开视频帖子，域名为`linkedin.com`或`www.linkedin.com`，路径为`/posts/<slug>-<activity-id>-<four-character-suffix>`或`/feed/update/urn:li:activity:<id>/`。不支持个人主页、学习课程、活动页或`lnkd.in`。
Snapchat Spotlight（`snapchat`）	`snapchat.com`或`www.snapchat.com`的Spotlight视频，路径为`/spotlight/<id>`。不支持限时动态和个人主页。

Twitch、Dailymotion、Pinterest、LinkedIn和Snapchat Spotlight的链接必须使用HTTPS，不能带用户名、密码或自定义端口。只接受单条、公开且已录制完成的内容；私有帖子、需登录的帖子、直播、仍在处理的视频流、个人主页、信息流和合集均不支持。抓取时不会携带账号Cookie。

链接中的时间参数不会截取录音或视频。Twitch剪辑和Snapchat Spotlight返回的media_id可能无法从链接推算，应直接保存接口返回的字符串，不要自行生成ID。

X、TikTok、Instagram、Facebook和Bluesky也只接受公开帖子。同一帖子有多个视频时，只转录第一个。不支持个人主页、限时动态、直播页面或TikTok图片帖子。需要登录才能访问时，任务会报login_required；视频没有音轨时会报no_audio。这两种情况都不扣费。

YouTube、X、TikTok、Bluesky、Dailymotion和LinkedIn可以读取字幕，前提是视频有可用的原语言字幕。Instagram、Facebook、Twitch、Pinterest和Snapchat只能用AI语音转文字，source可选auto或stt，不能选captions。无论选哪个平台还是上传文件，都按实测时长和相同的每分钟单价计费。

短链接仅支持上表列出的格式。如果提交的社交平台分享链接尚不含帖子ID，就无法在提交时匹配已有转录。需要复用时，优先使用完整的帖子链接。

平台	字幕读取范围与时间戳
YouTube和X	读取已有字幕。其中，只有YouTube自动生成的字幕提供逐词时间戳。
TikTok	读取平台提供的VTT或SRT字幕，只有分段时间戳。
Bluesky	读取受支持、受信任PDS上的原生视频字幕，不支持任意其他联邦服务器、引用的视频或外部视频。只有分段时间戳。
Dailymotion	直接读取SRT字幕文件，不读取字幕播放列表。只有分段时间戳；识别到的`en-auto`、`fr-auto`字幕会标为`auto_generated`。
LinkedIn	读取公开原生视频的VTT字幕，只有分段时间戳。不支持LinkedIn Learning。

YouTube链接格式

将完整视频链接填入url，省略platform或将其设为youtube。支持下列格式，域名带不带www.均可：

链接类型	示例
视频播放页	`https://www.youtube.com/watch?v=dQw4w9WgXcQ`
短链接	`https://youtu.be/dQw4w9WgXcQ`
Shorts	`https://www.youtube.com/shorts/dQw4w9WgXcQ`
嵌入式播放链接	`https://www.youtube.com/embed/dQw4w9WgXcQ`
直播页面链接	`https://www.youtube.com/live/dQw4w9WgXcQ`
移动版或音乐版域名	`https://m.youtube.com/watch?v=dQw4w9WgXcQ`、`https://music.youtube.com/watch?v=dQw4w9WgXcQ`

API会忽略t、list、si等额外查询参数，并将指向同一视频的不同链接识别为同一个视频。必须提交完整URL，不能只传11个字符的视频ID。频道页、只有播放列表的链接及其他不支持的链接均返回422 invalid_url。platform不受支持时，返回422 unsupported_platform，并通过supported_platforms列出可用值。

YouTube支持公开视频和非公开视频（unlisted）。私有视频会报media_private，有年龄限制的视频会报age_restricted，正在直播的视频会报live_stream。如果手头有自己的录制文件，可以改用文件上传。

source：选择字幕或AI转录

通过source指定读取平台字幕，还是转录音频：

参数值	处理方式
`auto`（默认）	在YouTube、X、TikTok、Bluesky、Dailymotion和LinkedIn上，先找可用的原语言字幕；找不到时，用AI语音转文字处理音频。
`captions`（仅字幕）	只读取支持字幕的平台，不下载音频，也不调用AI语音转文字。没有可用字幕时，任务报`no_captions`，不扣费；获取字幕内容失败则报`fetch_failed`。其他视频平台不接受此值，会返回`422 invalid_request`。
`stt`	不读取平台字幕，直接用AI语音转文字处理音频。

上传文件一律使用语音转文字。此时source只能选auto或stt，设置为captions会返回422 invalid_request。

字幕语言必须与language指定的语言一致；language为auto时，读取视频原语言的字幕。YouTube字幕须由创作者上传，或由YouTube按该语言生成，不会使用自动翻译字幕。选择顺序为创作者上传的字幕、来源未知的字幕、自动生成的字幕。来源未知不等于创作者上传。

X读取可用的VTT字幕，只提供分段时间戳，即使字幕是自动生成的，也没有逐词时间戳。使用auto时，字幕内容不可用或无法解析才可能改用STT；路由、存储或程序故障不会触发这种切换。使用stt则始终跳过字幕。

diarize：区分说话人

需要区分谁在说话时，将diarize设为true，开启说话人分离。默认值为false。

说话人分离依赖语音转文字。因此，source为auto且diarize: true时，会直接转录音频，不读取字幕。
不能同时设置source: "captions"和diarize: true，否则返回422 invalid_request。
说话人使用Speaker 1、Speaker 2等标签。JSON中可从transcript.speakers和各段的speaker字段读取；text、srt会加上Speaker 1: 前缀，vtt则使用<v Speaker 1>语音标签。

{ "platform": "youtube", "url": "https://youtu.be/dQw4w9WgXcQ", "source": "stt", "diarize": true }

language：指定语言

language默认是auto。也可以填入ISO 639-1双字母代码，如en、de或es。

读取字幕时，用它选择字幕语言。设为auto则读取视频原语言的字幕。
转录音频时，用它向语音转文字服务商提示语言。设为auto则自动识别语言，各段分别带有language字段。

转录对象本身的language字段表示整段录音的主要语言。

查看文本来源和时间戳

读取transcript_source即可知道文本来自平台字幕还是AI转录。可能的值为youtube_captions、x_captions、tiktok_captions、bluesky_captions、dailymotion_captions、linkedin_captions和speech_to_text。如果来自字幕，再看caption_kind：manual表示手动字幕，auto_generated表示自动生成，null表示来源未知。不要把null显示成“创作者上传”。

	`youtube_captions`，`caption_kind`为`manual`	`youtube_captions`，`caption_kind`为`auto_generated`	`speech_to_text`
如何分段	每条字幕对应一段	每条字幕对应一段	更换说话人、切换语言、遇到句末标点或达到15秒上限时分段
加上`include=words`后的逐词时间戳	不提供，`words`为`null`	提供单词开始时间，结束时间取下个单词的开始时间	提供单词起止时间和`confidence`
说话人分离	不提供	不提供	`diarize`为`true`时提供
语言信息	字幕语言	字幕语言	各段分别识别

YouTube字幕保留发布时的原文，包括[Music]等标记。语音转文字最多处理5小时的音频或视频，超过此时长会报media_too_long。

X字幕（x_captions）以及TikTok、Bluesky、Dailymotion、LinkedIn字幕均只有分段时间戳，也不提供说话人分离。即使是自动生成的字幕，加上include=words后，各段仍返回words: null。需要AI逐词时间戳时，选择source: "stt"；需要区分说话人时，在auto或stt模式下设置diarize: true。

计费方式

读取字幕和AI语音转文字的单价相同。按录音或视频的分钟数向上取整，每分钟扣1积分。切换source只改变文本来源，不改变价格。详见计费与限制。