ТЕХНИЧЕСКИЙ ГИД
Транскрипция в реальном времени
Realtime WebSocket-канал TheRouter частично запущен, но путь, который сегодня работает end-to-end, — это POST /v1/audio/transcriptions (multipart/form-data). Гид описан на уровне протокола, поэтому одинаково применим к Java, Go, C#, Node.js и Python — без SDK и без WebSocket-клиента.
Что внутри
- Realtime-канал запущен (прод, 29.07.2026): openai/gpt-realtime-2.1 и -2.1-mini ведут полноценный голосовой диалог через wss://api.therouter.ai/v1/realtime; остальные модели семейства отвечают 404. Первый session.update обязан содержать session.type, иначе апстрим отклонит каждый последующий кадр. Распознавание речи (gpt-realtime-whisper) по-прежнему через POST /v1/audio/transcriptions.
- Проверяйте error.code, а не HTTP-статус: статус может быть переписан промежуточным прокси, стабильным контрактом является code.
- Полная спецификация полей POST /v1/audio/transcriptions и четыре эквивалентные реализации: curl, Java (OkHttp), Go, Python.
- Near-realtime через нарезку на стороне клиента: измеренные данные и два неустранимых ограничения — потеря или дублирование слов на границах сегментов и задержка в секундах, а не в миллисекундах.
- Тарификация за минуту аудио (не за запрос) и построчный перенос настроек с realtime WebSocket-клиента.
Полная версия — на английском
Полная страница «Транскрипция в реальном времени» c подробными примерами кода, форматами запросов и матрицами совместимости пока доступна только на английском. Используйте эту короткую вводную, а затем переходите к оригиналу.
Открыть английский оригинал