Transcription audio

Convertit des fichiers audio en texte via le modèle faster-whisper-large-v3-turbo.

---

Endpoints

Méthode	Endpoint	Mode	Description
POST	/v1/audio/transcriptions	Sync	Transcription, résultat inline
POST	/jobs/audio	Async	Transcription asynchrone

---

Formats et limites

Attribut	Valeur
Formats acceptés	.mp3 .mp4 .wav .m4a .ogg .flac
Taille maximale	1 Go
Compatibilité SDK	OpenAI (client.audio.transcriptions.create)

---

Paramètres

Requis

Paramètre	Type	Description
file	fichier	Fichier audio à transcrire

Optionnels utiles

Paramètre	Défaut	Description
language	auto-détecté	Code ISO-639-1 (ex: fr, en). Forcer la langue accélère le traitement.
response_format	json	Format de sortie : json, verbose_json, text, srt, vtt
timestamp_granularities	["segment"]	Granularité des timestamps : segment et/ou word
word_timestamps	false	Active les timestamps au niveau du mot
vad_filter	false	Active le filtre Voice Activity Detection (silence ignoré)
hotwords	—	Mots à favoriser lors du décodage (virgule-séparés)
prompt	—	Contexte textuel pour guider le style ou les termes spécifiques
diarization	false	Permet d'activer la diarisation sur un même appel

---

Performances mesurées

Benchmarks réalisés en mai 2026 sur 27 jobs, modèle chaud.

Fichiers courts (≈ 105 s d'audio)

Mode	Jobs	Inférence min	Inférence moy	Inférence max	RTF moyen
Poll	13	5 s	7 s	12 s	0.065
Webhook	14	5 s	6 s	7 s	0.056

Fichiers longs (1 heure d'audio)

Mode	Jobs	Inférence min	Inférence moy	Inférence max	RTF moyen
Poll	5	175 s	213 s	349 s	0.065
Webhook	5	165 s	192 s	248 s	0.053

RTF (Real-Time Factor) : RTF 0.06 = 1 heure d'audio traitée en ~3 min 30 s. Le modèle est 10× plus rapide sur audio long que sur fichiers courts grâce au batching interne des frames.

Taux d'erreur : 0% sur 27 jobs.

---

Exemples

Transcription simple (curl)

curl -X POST https://api.mirai.interieur.gouv.fr/v1/audio/transcriptions \
  -H "Authorization: Bearer <TOKEN>" \
  -F "file=@interview.wav"
# → {"text": "Bonjour, bienvenue..."}

Avec diarisation

curl -X POST https://api.mirai.interieur.gouv.fr/v1/audio/transcriptions \
  -H "Authorization: Bearer <TOKEN>" \
  -F "file=@conference.mp4" \
  -F "diarization=true" \
  -F "response_format=verbose_json"

Avec langue forcée et timestamps par mot

curl -X POST https://api.mirai.interieur.gouv.fr/v1/audio/transcriptions \
  -H "Authorization: Bearer <TOKEN>" \
  -F "file=@interview.wav" \
  -F "language=fr" \
  -F "word_timestamps=true" \
  -F "response_format=verbose_json"

Format SRT (sous-titres)

curl -X POST https://api.mirai.interieur.gouv.fr/v1/audio/transcriptions \
  -H "Authorization: Bearer <TOKEN>" \
  -F "file=@conference.mp4" \
  -F "response_format=srt"

SDK OpenAI (Python)

from openai import OpenAI

client = OpenAI(
    base_url="https://api.mirai.interieur.gouv.fr",
    api_key="<TOKEN>"
)

with open("interview.wav", "rb") as f:
    result = client.audio.transcriptions.create(
        model="faster-whisper-large-v3-turbo",
        file=f,
        language="fr",
        response_format="verbose_json",
        timestamp_granularities=["word"],
    )

print(result.text)
for word in result.words:
    print(f"{word.start:.2f}s  {word.word}")

Async (batch / fichiers volumineux)

curl -X POST https://api.mirai.interieur.gouv.fr/jobs/audio \
  -H "Authorization: Bearer <TOKEN>" \
  -F "model=faster-whisper-large-v3-turbo" \
  -F "operation=transcription" \
  -F "file=@conference.mp3" \
  -F "callback_url=https://mon-app.example.com/hooks/transcription"

→ Voir Modes d'appel pour le cycle de vie complet d'un job async.