Chame a API de reconhecimento de fala do Token Plan para transcrever áudio em texto.
Arquivo de áudio ou URL: $ARGUMENTS
## Etapas
1. Confirme se a entrada é um caminho de áudio local ou uma URL publicamente acessível. O áudio não deve ter mais de 5 minutos. Para limites de formato e tamanho, consulte as especificações de áudio na documentação de reconhecimento de fala do Model Studio.
2. Instale as dependências: pip install requests
3. Use a ferramenta Bash para executar o seguinte script Python. O script lê TOKEN_PLAN_API_KEY primeiro e, em seguida, ANTHROPIC_AUTH_TOKEN. Não exiba a chave nem a grave em arquivos ou logs.
```python
import base64
import json
import os
import sys
from pathlib import Path
import requests
MIME_TYPES = {
"aac": "audio/aac",
"amr": "audio/amr",
"flac": "audio/flac",
"m4a": "audio/mp4",
"mp3": "audio/mpeg",
"ogg": "audio/ogg",
"opus": "audio/opus",
"wav": "audio/wav",
"webm": "audio/webm",
}
source = sys.argv[1]
key = os.environ.get("TOKEN_PLAN_API_KEY") or os.environ.get("ANTHROPIC_AUTH_TOKEN")
if not key:
raise SystemExit("Token Plan API Key not found.")
if source.startswith(("http://", "https://")):
audio_data = source
audio_format = Path(source.split("?")[0]).suffix.lstrip(".").lower() or "mp3"
else:
path = Path(source)
audio_format = path.suffix.lstrip(".").lower()
mime_type = MIME_TYPES.get(audio_format, f"audio/{audio_format}")
audio_data = f"data:{mime_type};base64,{base64.b64encode(path.read_bytes()).decode()}"
payload = {
"model": "qwen-audio-3.0-asr-flash",
"input": {
"messages": [
{
"role": "user",
"content": [
{"type": "input_audio", "input_audio": {"data": audio_data}}
],
}
]
},
"parameters": {"format": audio_format},
}
response = requests.post(
"https://token-plan.ap-southeast-1.maas.aliyuncs.com/api/v1/services/aigc/multimodal-generation/generation",
headers={"Authorization": f"Bearer {key}", "Content-Type": "application/json"},
json=payload,
timeout=300,
)
if not response.ok:
raise SystemExit(f"{response.status_code}: {response.text}")
result = response.json()
print(result.get("output", {}).get("text") or json.dumps(result, ensure_ascii=False, indent=2))
```
4. Exiba a transcrição. Se forem necessários resultados detalhados, mostre os campos `sentence` e `words` no JSON da resposta.