一句话看懂：OpenRouter于7月22日在其统一API中新增了语音转录端点，开发者只需使用同一个API Key即可同时完成聊天与音频转文字，不再需要对接多个服务。此举降低了多模态AI应用的集成复杂度，也打破了语音转录与文本生成服务割裂的局面。
事件核心：发生了什么
OpenRouter正式上线了POST /api/v1/audio/transcriptions端点，支持base64编码音频上传和multipart/form-data两种提交方式，单次请求最大25MB。支持的音频格式包括wav、mp3、flac、m4a、ogg、webm和aac。模型方面提供两种计费方式：一是按音频时长（每秒）计费的Whisper系列模型（如openai/whisper-1），二是按Token计费的新一代语音转文本（STT）模型。这些STT模型不会出现在默认的模型列表中，需通过?output_modalities=transcription参数筛选。返回结果默认包含转录文本和用量信息，若设置response_format=verbose_json还可获得分段时间戳，甚至单词级时间戳。OpenRouter明确表示不加价，所有模型按供应商定价直接结算，且转录失败的请求不会收费。
为什么重要
这一改动本质上是把语音转录能力从独立服务“折叠”进已有的聊天API生态中。对OpenRouter而言，它从单一文本生成平台扩展为多模态网关，直接与Whisper专用服务商和第三方转录SDK形成竞争。对行业来说，它降低了开发者多系统集成的维护成本——以前需要管理多个Key、多个计费系统，现在只需一个OpenRouter Key即可调度包括Whisper、Groq、Together等多家供应商的模型，且由平台自动做负载均衡。这种“同Key、同API、多模型”的模式，可能加速语音转录功能从小众工具变成应用标准组件。
对用户/开发者/创作者的影响
对已使用OpenRouter的团队：零迁移成本，只需将API地址指向https://openrouter.ai/api/v1即可直接兼容OpenAI客户端；新增的BYOK功能允许自带供应商Key，仅需支付平台费，前100万次请求免平台费。对独立开发者：转录失败的零退费机制降低了试错成本，一次API调用就能获得文本+Token计数+成本，适合做实时转写或语音助手的原型验证。对创作者：可直接在OpenRouter Playground上传文件完成浏览器内转录，无需写代码。需要注意的是，目前该端点暂不支持路由控制（如指定供应商顺序、数据收集选项等），部分高级功能（如词汇级时间戳）仅限兼容OpenAI的供应商使用，否则会返回400错误。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，供应商生态是否会快速扩充。OpenRouter的负载均衡依赖供应商价格竞争，目前转录模型供应商有限，一旦更多STT厂商入驻（如Deepgram、AssemblyAI），价格和延迟可能进一步优化。第二，Word-level时间戳和语言提示等高级功能是否会成为标准配置，目前仅在部分供应商上可用，这会影响语音识别在内容分析、字幕制作等场景的应用深度。第三，BYOK模式下平台费是否有调整空间，若大规模用户自带Key且转录请求激增，OpenRouter的盈利模型将面临考验。
来源：AIbase
