技术指南
实时转录接入指南
TheRouter 的 realtime WebSocket 通道已上线（两个会话式模型），而语音转文字的入口仍是 POST /v1/audio/transcriptions（multipart/form-data）。本指南在 HTTP 协议层描述该入口，因此对 Java、Go、C#、Node.js、Python 等任何语言同等适用，不需要任何 SDK，也不需要 WebSocket 客户端。
本页要点
- realtime 通道已上线（生产实测 2026-07-29）：openai/gpt-realtime-2.1 与 -2.1-mini 可通过 wss://api.therouter.ai/v1/realtime 进行完整语音对话；家族其余成员仍返回 404。注意首个 session.update 必须带 session.type，否则之后每一帧都会被上游拒绝。语音转文字（gpt-realtime-whisper）仍走 POST /v1/audio/transcriptions。
- 请判 error.code 而非 HTTP 状态码：状态码可能被中间代理改写，code 才是稳定契约。
- 唯一入口 POST /v1/audio/transcriptions 的完整字段规范、响应结构，以及 curl / Java(OkHttp) / Go / Python 四份等价参考实现。
- 客户端切片实现准实时的方法、生产实测数据，以及两个固有短板：切片边界会丢词或重复、单片延迟是秒级而非毫秒级。
- 按音频分钟计费（不是按次），以及从 realtime WebSocket 客户端迁移时各配置项的逐条处置。
完整版本仅有英文
《实时转录接入指南》的完整版本（含完整代码示例、请求格式与兼容性矩阵）目前仅提供英文。先看这份中文摘要，再前往英文原文了解细节。
打开英文原文