音频

使用语音生成、音频转写和音频翻译接口。

音频接口包含语音生成、音频转写和音频翻译。语音生成使用 JSON 请求体；转写和翻译通常使用 multipart 表单上传音频文件。

端点

方法路径说明
POST/v1/audio/speech文本转语音
POST/v1/audio/transcriptions音频转写
POST/v1/audio/translations音频翻译

请求参数

字段类型适用接口说明
modelstring全部音频模型 ID，必填
inputstringspeech要转换为语音的文本
voicestringspeech声音 ID
instructionsstringspeech语音风格或额外指令
response_formatstring全部返回格式。转写/翻译默认 json
speednumberspeech语速
stream_formatstringspeech设置为 sse 时按模型支持启用流式
metadataobjectspeech透传元数据
filefiletranscriptions/translationsmultipart 表单中的音频文件，必填
languageany扩展部分渠道支持的语言参数

语音生成

curl https://api.tensoraxis.com/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer $TENSORAXIS_API_KEY" \
  -d '{
    "model": "tts-1",
    "voice": "alloy",
    "input": "你好，欢迎使用 TENSORAXIS。",
    "response_format": "mp3"
  }' \
  --output speech.mp3

音频转写

curl https://api.tensoraxis.com/v1/audio/transcriptions \
  -H "Authorization: Bearer $TENSORAXIS_API_KEY" \
  -F model="whisper-1" \
  -F file="@audio.mp3" \
  -F response_format="json"

音频翻译

curl https://api.tensoraxis.com/v1/audio/translations \
  -H "Authorization: Bearer $TENSORAXIS_API_KEY" \
  -F model="whisper-1" \
  -F file="@audio.mp3" \
  -F response_format="json"

响应结构

转写和翻译的 JSON 响应通常包含 text：

{
  "text": "Transcribed text..."
}

语音生成会直接返回音频二进制内容，响应 Content-Type 取决于 response_format 和上游模型。

On this page

端点请求参数语音生成音频转写音频翻译响应结构