メニュー
Speech-to-text via 9Router /v1/audio/transcriptions using OpenAI Whisper / Groq / Gemini / Deepgram / AssemblyAI / NVIDIA / HuggingFace models. Use when the user wants to transcribe audio, convert speech to text, or get subtitles from audio files.
デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。
インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
直接コマンドでは確認用 Prompt が省略されます。実行前にソースを確認してください。
npx skills add https://github.com/TuYv/ccpm --skill 9router-sttコマンドは1行のまま表示されます。コピー前に横へスクロールして全体を確認してください。
ローカルで確認しますか？SkillsMP が現在取得できるファイルをダウンロードできます。
SOC 職業分類に基づく
SKILL.md を表示中
| name | 9router-stt |
| description | Speech-to-text via 9Router /v1/audio/transcriptions using OpenAI Whisper / Groq / Gemini / Deepgram / AssemblyAI / NVIDIA / HuggingFace models. Use when the user wants to transcribe audio, convert speech to text, or get subtitles from audio files. |
Requires NINEROUTER_URL (and NINEROUTER_KEY if auth enabled). See https://raw.githubusercontent.com/decolua/9router/refs/heads/master/skills/9router/SKILL.md for setup.
curl $NINEROUTER_URL/v1/models/stt | jq '.data[].id'
# Per-model params (language, response_format, prompt, temperature support)
curl "$NINEROUTER_URL/v1/models/info?id=openai/whisper-1"
model = STT model ID (e.g. openai/whisper-1, groq/whisper-large-v3, deepgram/nova-3, gemini/gemini-2.5-flash).
POST $NINEROUTER_URL/v1/audio/transcriptions (OpenAI Whisper compatible, multipart/form-data)
| Field | Required | Notes |
|---|---|---|
model | yes | from /v1/models/stt |
file | yes | audio file (mp3, wav, m4a, webm, ogg, flac) |
language | no | ISO-639-1 (e.g. en, vi) |
prompt | no | hint text to guide transcription |
response_format | no | json (default) / text / verbose_json / srt / vtt |
temperature | no | 0–1 |
curl -X POST "$NINEROUTER_URL/v1/audio/transcriptions" \
-H "Authorization: Bearer $NINEROUTER_KEY" \
-F "model=openai/whisper-1" \
-F "file=@audio.mp3" \
-F "language=vi"
JS (Node):
import { createReadStream } from "node:fs";
const form = new FormData();
form.append("model", "groq/whisper-large-v3-turbo");
form.append("file", new Blob([await (await import("node:fs/promises")).readFile("audio.mp3")]), "audio.mp3");
const r = await fetch(`${process.env.NINEROUTER_URL}/v1/audio/transcriptions`, {
method: "POST",
headers: { "Authorization": `Bearer ${process.env.NINEROUTER_KEY}` },
body: form,
});
const { text } = await r.json();
console.log(text);
Default (response_format=json):
{ "text": "Xin chào, đây là bản ghi âm." }
verbose_json adds language, duration, segments[] with timestamps.
srt / vtt return subtitle text.
| Provider | model format | Notes |
|---|---|---|
openai | whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe | Native OpenAI shape |
groq | whisper-large-v3, whisper-large-v3-turbo, distil-whisper-large-v3-en | Fastest; OpenAI shape |
gemini | gemini-2.5-flash, gemini-2.5-pro, gemini-2.5-flash-lite | Server converts to generateContent with audio inline |
deepgram | nova-3, nova-2, whisper-large | Token auth; server adapts response |
assemblyai | universal-3-pro, universal-2 | Async upload+poll handled server-side |
nvidia | nvidia/parakeet-ctc-1.1b-asr | NIM endpoint |
huggingface | openai/whisper-large-v3, openai/whisper-small | HF Inference API |