# Monk Whisper

> 语音转文字：把音频（或带声音的视频）转成文字和字幕。模型是 Cloudflare Workers AI 上的 OpenAI Whisper large-v3 turbo，支持 99 种语言，也能直接翻译成英文。免费，本站不保存音频和文字。

- 网页：https://whisper.monk.party/（浏览器会自动把长音频切段，几小时的录音也能转）

## HTTP 接口

`POST https://whisper.monk.party/api/transcribe`，请求体就是音频文件本身（`content-type: application/octet-stream`），单次最大 25 MB。

查询参数（都可选）：
- `language`：语言代码，如 `zh`、`en`、`ja`；不填自动识别
- `task`：`transcribe`（默认，原语言）或 `translate`（翻译成英文）
- `initial_prompt`：人名、术语等提示词；中文想要简体可以写「以下是普通话的句子。」
- `vad_filter`：默认 `true`，跳过静音

返回：`{"text", "language", "duration", "segments": [{"start", "end", "text"}]}`，时间单位是秒。

```bash
curl -s -X POST --data-binary @meeting.mp3 -H 'content-type: application/octet-stream' \
  "https://whisper.monk.party/api/transcribe?language=zh" | jq -r .text
```

兼容旧接口：`POST /raw`（返回模型原始结果 `{"response": …}`）和 `POST /srt`（直接返回 SRT 字幕），参数同上。

超过 25 MB 的音频请先切段（比如用 ffmpeg 切成 10 分钟一段），各段时间轴加上偏移再拼接。

## MCP

Streamable HTTP：`https://whisper.monk.party/mcp`

- `transcribe_url`：`{url, language?, task?, prompt?}` 把公开的音频网址转成文字，返回 `text`、`segments` 和 `srt`

## 所属

monk 宇宙的一颗星球：https://universe.monk.party/