Xử lý âm thanh

Tổng quan

API âm thanh của AGTCloud hỗ trợ tổng hợp giọng nói, phiên âm và dịch âm thanh. Ba loại tác vụ sử dụng đầu vào khác nhau và trả về tệp âm thanh hoặc văn bản tương ứng.

Các loại tác vụ được hỗ trợ

Loại	Mô tả	Kết quả chính
Tổng hợp giọng nói	Chuyển văn bản thành giọng nói	Âm thanh nhị phân
Phiên âm	Chuyển âm thanh thành văn bản bằng ngôn ngữ gốc	JSON, văn bản hoặc phụ đề
Dịch âm thanh	Chuyển âm thanh thành văn bản tiếng Anh	JSON, văn bản hoặc phụ đề

Mô hình nổi bật

Mô hình	Nhà cung cấp	Điểm nổi bật
MiniMax Speech	MiniMax	Dành cho tổng hợp giọng nói tự nhiên và thể hiện chất giọng
OpenAI Transcription	OpenAI	Phiên âm qua API tương thích OpenAI
Gemini TTS	Google	Dành cho tổng hợp giọng nói điều khiển bằng ngôn ngữ tự nhiên

Xem tất cả mô hình

Tích hợp API

Base URL

https://api.agtcloud.ai/v1

Tổng hợp giọng nói

curl 'https://api.agtcloud.ai/v1/audio/speech' \
  -H 'Authorization: Bearer your-api-key' \
  -H 'Content-Type: application/json' \
  --data '{
    "model": "MODEL_ID",
    "input": "Chào mừng bạn đến với AGTCloud.",
    "voice": "alloy"
  }' \
  --output speech.mp3

Tham số	Bắt buộc	Mô tả
`model`	Có	ID mô hình chuyển văn bản thành giọng nói
`input`	Có	Văn bản cần chuyển thành giọng nói
`voice`	Có	Giọng được sử dụng để tạo lời nói
`response_format`	Không	Định dạng âm thanh đầu ra
`speed`	Không	Tốc độ tạo giọng nói

Speech trả về các byte âm thanh. Hãy lưu theo định dạng phản hồi thực tế, không phân tích cú pháp như JSON.

Phiên âm

curl 'https://api.agtcloud.ai/v1/audio/transcriptions' \
  -H 'Authorization: Bearer your-api-key' \
  -F 'file=@meeting.mp3' \
  -F 'model=MODEL_ID'

Tham số	Bắt buộc	Mô tả
`file`	Có	Tệp âm thanh cần phiên âm
`model`	Có	ID mô hình phiên âm
`language`	Không	Mã ngôn ngữ ISO-639-1 của âm thanh đầu vào
`response_format`	Không	Định dạng đầu ra của kết quả phiên âm

Transcriptions sử dụng Multipart để tải âm thanh lên. Văn bản phiên âm trong phản hồi JSON cơ bản nằm ở trường text.

Dịch âm thanh

curl 'https://api.agtcloud.ai/v1/audio/translations' \
  -H 'Authorization: Bearer your-api-key' \
  -F 'file=@chinese.mp3' \
  -F 'model=MODEL_ID'

Tham số	Bắt buộc	Mô tả
`file`	Có	Tệp âm thanh không phải tiếng Anh cần dịch
`model`	Có	ID mô hình dịch âm thanh
`prompt`	Không	Văn bản tiếng Anh dùng để hướng dẫn phong cách đầu ra
`response_format`	Không	Định dạng đầu ra của kết quả dịch

Translations trả về văn bản tiếng Anh. Kết quả trong phản hồi JSON cơ bản nằm ở trường text.

Xử lý phản hồi

API	Xử lý phản hồi
Speech	Lưu âm thanh nhị phân theo định dạng phản hồi
Transcriptions	Xử lý JSON, văn bản hoặc phụ đề theo `response_format`
Translations	Xử lý kết quả văn bản tiếng Anh theo `response_format`