Transcript Asset Service

transcript-service

输入公开视频或音频 URL，异步产出原文全文、原文段级时间戳、原文词级时间戳、译文全文、译文段级时间戳，以及全部产物在火山 TOS 上的对象路径。

TranscriptCore 转写 Volcengine Ark 翻译 TOS 产物落盘异步任务接口

能力边界

这个服务只负责“字幕资产生产”。它不做 TTS、不做配音时长控制、不做视频混流。

接收公开视频或音频 URL。
如果是视频，先下载视频并提取单声道转写音频。
把转写音频上传到火山 TOS，并生成带时效的预签名读取 URL。
通过当前服务的公网短地址中转私有 TOS 音频，再调用 TranscriptCore 生成原文全文、段级时间戳、词级时间戳。
逐段调用火山 Ark 生成译文，再复用原文时间轴拼出译文段级时间戳。
把文本和 JSON 产物都上传到 TOS，返回对象路径给调用方。

接口列表

GET /

首页 HTML 文档。公开可访问。

GET /api/transcripts

JSON 文档入口。需要鉴权。

GET /api/transcripts/health

健康检查。需要鉴权。

POST /api/transcripts/jobs

提交转录与翻译任务，立即返回 jobId。

GET /api/transcripts/jobs/{jobId}

查询任务状态和结果。

请求示例

{
  "url": "https://example.com/demo.mp3",
  "sourceLanguage": "auto",
  "targetLanguage": "zh",
  "metadata": {
    "project": "launch-video",
    "sourceType": "podcast"
  }
}

响应结构示例

{
  "ok": true,
  "job": {
    "jobId": "job_xxxxxxxxxxxx",
    "status": "succeeded",
    "sourceUrl": "https://example.com/demo.mp3",
    "sourceLanguage": "auto",
    "targetLanguage": "zh",
    "sourceTranscriptText": "...",
    "sourceSegments": [],
    "sourceWords": [],
    "translatedTranscriptText": "...",
    "translatedSegments": [],
    "artifacts": [
      {
        "kind": "source_audio",
        "filename": "source.mp3",
        "path": "tos://transcript-service/job_xxx/source_audio/source.mp3",
        "contentType": "audio/mpeg"
      }
    ],
    "metadata": {
      "project": "launch-video"
    }
  }
}

结果说明

sourceWords 是原文词级时间戳。
translatedSegments 是复用原文时间轴后的译文段级时间戳。
artifacts[].path 返回的是 TOS 对象路径，由调用方自己决定后续下载、分发或缓存策略。