Обработка аудио Выполняйте синтез речи, транскрипцию и перевод аудио.
Аудиоинтерфейсы AGTCloud охватывают синтез речи, транскрипцию и перевод аудио. Эти три типа задач используют разные способы ввода и возвращают аудиофайлы либо текст.
Тип Описание Основной результат Синтез речи Преобразование текста в речь Двоичное аудио Транскрипция Преобразование аудио в текст на исходном языке JSON, текст или субтитры Перевод аудио Преобразование аудио в английский текст JSON, текст или субтитры
Рекомендуемые модели Модель Поставщик Особенности MiniMax Speech MiniMax Предназначен для естественного синтеза речи и передачи особенностей голоса OpenAI Transcription OpenAI Транскрипция через OpenAI-совместимый API Gemini TTS Google Предназначен для синтеза речи с управлением на естественном языке
Все модели https://api.agtcloud.ai/v1 cURL Python Node.js
curl 'https://api.agtcloud.ai/v1/audio/speech' \
-H 'Authorization: Bearer your-api-key' \
-H 'Content-Type: application/json' \
--data '{
"model": "MODEL_ID",
"input": "Добро пожаловать в AGTCloud.",
"voice": "alloy"
}' \
--output speech.mp3 Параметр Обязательный Описание modelДа ID модели синтеза речи inputДа Текст для преобразования в речь voiceДа Голос для синтеза речи response_formatНет Формат выходного аудио speedНет Скорость синтезируемой речи
Speech возвращает байты аудио. Сохраняйте их в соответствии с фактическим форматом ответа, не разбирайте как JSON.
cURL Python Node.js
curl 'https://api.agtcloud.ai/v1/audio/transcriptions' \
-H 'Authorization: Bearer your-api-key' \
-F 'file=@meeting.mp3' \
-F 'model=MODEL_ID' Параметр Обязательный Описание fileДа Аудиофайл для транскрипции modelДа ID модели транскрипции languageНет Код языка входного аудио по ISO-639-1 response_formatНет Формат результата транскрипции
Transcriptions загружает аудио через Multipart. В базовом JSON-ответе текст транскрипции находится в поле text.
cURL Python Node.js
curl 'https://api.agtcloud.ai/v1/audio/translations' \
-H 'Authorization: Bearer your-api-key' \
-F 'file=@chinese.mp3' \
-F 'model=MODEL_ID' Параметр Обязательный Описание fileДа Неанглоязычный аудиофайл для перевода modelДа ID модели перевода аудио promptНет Английский текст для задания стиля вывода response_formatНет Формат результата перевода
Translations возвращает английский текст. В базовом JSON-ответе результат находится в поле text.
Интерфейс Обработка ответа Speech Сохраните двоичное аудио в соответствии с форматом ответа Transcriptions Обработайте JSON, текст или субтитры согласно response_format Translations Обработайте английский текст согласно response_format