让「听到什么」自动变成「库里有什么」
需要手动触发的管道,迟早会停。
一套 HTTP 接口,就是谛听开放平台那一套:提交任务、轮询状态、取回带逐句时间戳的逐字稿。Key、额度、限流都共用,不另建一套。爱谛听这边只额外交代一件事——拿到逐字稿之后,怎么拼成一篇能进 Obsidian 的 Markdown。
当前状态:已开放,按账号发放:与谛听开放平台是同一套 /v1 接口、同一把 sk-diting- Key,额度与网页端共用。暂不开放自助注册。能力可用,但需要手动安装或我们单独发放权限,暂不对外开放。
Key 与网页端共用同一账号额度;完整端点、错误码与字段表在谛听开放平台文档里。
接之前,接之后
现在你怎么做
- 每次都要手动上传,忘了就没有。
- 团队里多个人的录音分散在各处,没人统一收口。
- 文档看懂了,但接口返回的是一段纯文本,YAML、章节、可点的时间点还得自己拼。
接上之后
- 定时任务扫一个目录,进来一个文件就提交一个。
- 轮询到 text 就能取,不用等摘要与脑图阶段跑完。
- 按你的规则拼成 Markdown,落到库里的指定目录。
它能处理什么
四类输入,一套鉴权
B站链接(含多P 合集)、抖音链接或 App 分享文案、小红书链接、本地文件上传。全部走 Authorization: Bearer sk-diting-xxx,不区分接口密钥。
B站多P 批量提交
POST /v1/transcriptions/bilibili 的 videos[] 可以一次传多集,每集各生成一个任务;某几集被拒时,失败原因在 failed_files[] 里,不影响其它集。
逐句时间戳
任务结果里的 textWithTimestamp 形如「[00:00] 第一句」。B站的可以拼成 ?t=秒数 的跳转链接,抖音与小红书只能标位置。
额度与限流可观测
GET /v1/usage 同时返回调用量与额度快照(快照有 10 秒缓存,不是实时余额)。限流按 Key 独立计算,默认每分钟 60 次。
短视频免费区间
单条视频不超过 300 秒时不计费;超过则按完整时长计入。B站多P 属于同一次请求,按所有分P 的时长之和校验,额度不足时整个请求被拒、不创建任何任务。
怎么接
- 1
拿一把 Key
在 /workspace 用邮箱验证码或微信登录创建,前缀 sk-diting-,明文只显示一次。它和网页端登录用的是同一个账号,额度也是同一份额度。
- 2
先探测,再提交
这一步不能省:服务端要用返回的 duration 做额度校验。platform 取 bilibili / douyin / xhs。注意单位不一样——抖音、小红书是秒(int),B站是 MM:SS 字符串。
配置示例curl -X POST https://api.diting.cc/v1/transcriptions/bilibili/check \ -H "Authorization: Bearer sk-diting-xxxxxxxx" \ -H "Content-Type: application/json" \ -d '{"video_url":"https://www.bilibili.com/video/BVxxxx"}' # 返回 is_multi_part / parts[] / duration(MM:SS 字符串) # 多P 时把要整理的那几集 parts[].url 挑出来 - 3
提交任务
字段值全部来自上一步的探测结果,不要自己换算时长。返回的 task_ids 只含受理成功的分P,不要用下标去对应提交顺序。
配置示例POST /v1/transcriptions/bilibili { "videos": [ { "url": "https://www.bilibili.com/video/BVxxxx?p=1", "thumbnail": "https://i0.hdslb.com/...jpg", "title": "P1 第一集", "duration": "12:30" } ], "language": "zh" } → { "task_ids": ["tsk_..."], "success_count": 1, "failed_count": 0 } - 4
轮询取结果
同一个接口既查进度也取结果。text 一旦有值就可以取走,不必等 status 变成 completed。建议第一分钟每 5 秒一次,之后 15–30 秒,单任务不要快于 2 秒一次。
配置示例GET /v1/transcriptions/{taskId} → { "status": "completed", "progress": 100, "text": "逐字稿正文……", "textWithTimestamp": "[00:00] 第一句……", "summary": "结构化摘要……" } - 5
拼成 Markdown(这一步在调用侧做)
接口只给纯文本,不给 Markdown 模板。下面这段是 Obsidian 场景的最小拼装:把 [MM:SS] 换成可点的 B站跳转链接,补上 YAML 前置元数据。提交时自己记下原视频地址,结果里没有它。
配置示例const r = await fetch(`https://api.diting.cc/v1/transcriptions/${taskId}`, { headers: { Authorization: `Bearer ${KEY}` }, }); const t = await r.json(); const srcUrl = "https://www.bilibili.com/video/BVxxxx?p=1"; // 提交时自己存下来 const body = t.textWithTimestamp.split("\n").map((line) => { const m = line.match(/^\[(\d{2}:\d{2}(?::\d{2})?)\]\s*(.*)$/); if (!m) return line; const sec = m[1].split(":").reduce((a, v) => a * 60 + Number(v), 0); return `[${m[1]}](${srcUrl}&t=${sec}) ${m[2]}`; }); const md = [ "---", `title: "${t.fileName}"`, `duration: ${t.durationSeconds}s`, "tags:", " - 待整理", "---", "", ...body, ].join("\n");
先说清楚限制
- 没有 Webhook:只能轮询 /v1/transcriptions/{taskId},做不了「文件一落盘就自动出笔记」的实时链路。
- 接口返回纯文本与带时间戳的逐字稿,不返回 Markdown。YAML 前置元数据、章节切分、跳转链接都要在调用侧拼(上面第 5 步给了示例),这部分我们不代做。
- 本地文件单次上传上限 200MB(网页端是 5GB,两者独立);超限返回 413 与 E2011。
- 按账号发放,暂不开放自助注册;额度不足返回 402,限流返回 429(响应头带 Retry-After)。
- 抖音、小红书的 duration 是秒(int),B站是 MM:SS 字符串,提交时原样传回,自己换算会算错额度。
- 接口与网页端共用同一份额度;限流、上传上限、路由则是独立的,第三方调用不占网页用户的每日次数。
常见问题
现在能调用吗?
能。接口已经开放,和谛听开放平台是同一套 /v1,Key 也在 /workspace 创建。只是额度按账号发放,没有自助注册入口。
它和谛听开放平台是什么关系?
同一个东西。端点、鉴权、额度、限流完全一致,文档只有一份,在 diting.cc/api-doc.html。爱谛听这边只补充「怎么把结果变成笔记」。
有 Webhook 回调吗?
没有,只有轮询。这是当前架构决定的,不是没做完——所以「收到文件就自动处理」可以靠扫目录 + 提交实现,但「处理完主动推给你」做不到。
能直接生成 Obsidian 笔记吗?
不能直接给。接口给的是 textWithTimestamp([00:00] 句子),要进 Obsidian 还得拼 YAML 和跳转链接。上面的第 5 步有二十行示例,改成你自己的目录规范就行。
额度怎么算?
与网页端共用同一份额度,按视频时长扣。单条不超过 300 秒不计费;B站多P 按所有分P 时长之和校验,额度不足时整个请求被拒。