OpenAI 官方语音转录 API 配置指南

DuRT 原生支持接入 OpenAI 官方的 Audio Transcription 接口体系。OpenAI 的语音模型在业界以强大的跨语种泛化能力、生僻专有名词抗噪性著称，是进行高质量访谈整理与多语种视频转写的利器。

---

支持的模型特性矩阵

在 DuRT 客户端中，OpenAI 语音服务支持接入以下官方模型：

模型名称	词级时间戳 (Word Timestamp)	语言自动检测	适用数据形态	计费与特征
whisper-1	✅ 支持 (毫秒级精准对齐)	✅ 支持	本地音视频文件 / 实时音频流	官方标准语音模型，$0.006 / 分钟，字词时间轴极准
gpt-4o-transcribe	❌ 句级分段	✅ 支持	本地音视频文件 / 实时音频流	基于多模态全架构的高精度转写，专有名词纠错强
gpt-4o-mini-transcribe	❌ 句级分段	✅ 支持	本地音视频文件 / 实时音频流	轻量极速转录，兼顾性价比与多语种表现

---

获取 OpenAI API Key

1. 登录 OpenAI 开发者平台控制台；
2. 导航至 API Keys 页面；
3. 点击 “Create new secret key”，为该密钥设置一个名称（如 DuRT-ASR）；
4. 复制生成的密钥字符串（以 sk-proj-... 开头），并妥善保存。

---

在 DuRT 中配置与连接

OpenAI ASR 可在 DuRT 的 媒体文件转录 (File Transcription) 与 实时语音 (Realtime Speech) 两个面板中添加：

1. 打开 DuRT 客户端，进入 设置 (Settings) ➔ AI 引擎与能力 (AI Capabilities)；
2. 选择 媒体文件转录 面板，点击右上角 “添加服务” ➔ 选择 OpenAI 官方服务 (OpenAI ASR)；
3. 填入凭证参数：
   • API Key：粘贴您的 OpenAI 密钥（sk-...）；
   • API 地址 (Base URL)：
     • 若直连官方：保持默认 https://api.openai.com/v1；
     • 若使用第三方中转反代网关：填入代理 Base URL（如 https://your-proxy-domain.com/v1）；
4. 选择默认模型：
   • 如果需要字幕 Studio 逐词微调和时间轴对齐，强烈推荐选择 whisper-1；
   • 如果追求最高准确率的文本记录，可选择 gpt-4o-transcribe；
5. 点击 “测试连接”，通过后点击保存即可。

---

最佳实践与注意事项

• 文件大小限制：OpenAI 官方接口单次上传文件上限通常为 25MB。不过无需担心——DuRT 客户端内置了智能无损分块压缩切片引擎，即使导入数 GB 的超清 4K 长视频，DuRT 也会在本地先提取高品质音轨、智能切片并发投递给 OpenAI，再将结果无缝拼接并对齐全局时间戳！
• BYOK 零加价：DuRT 采用直接请求模型厂商的纯客户端直连架构，不收取任何中间差价，费用仅由 OpenAI 账单按官方标准扣取。