Обработка аудио

Выполняйте синтез речи, транскрипцию и перевод аудио.

Обзор

Аудиоинтерфейсы AGTCloud охватывают синтез речи, транскрипцию и перевод аудио. Эти три типа задач используют разные способы ввода и возвращают аудиофайлы либо текст.

Поддерживаемые типы задач

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

Подключение к API

Base URL

https://api.agtcloud.cn/v1

Синтез речи

curl 'https://api.agtcloud.cn/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
`model`	Да	ID модели синтеза речи
`input`	Да	Текст для преобразования в речь
`voice`	Да	Голос для синтеза речи
`response_format`	Нет	Формат выходного аудио
`speed`	Нет	Скорость синтезируемой речи

Speech возвращает байты аудио. Сохраняйте их в соответствии с фактическим форматом ответа, не разбирайте как JSON.

Транскрипция

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

Параметр	Обязательный	Описание
`file`	Да	Аудиофайл для транскрипции
`model`	Да	ID модели транскрипции
`language`	Нет	Код языка входного аудио по ISO-639-1
`response_format`	Нет	Формат результата транскрипции

Transcriptions загружает аудио через Multipart. В базовом JSON-ответе текст транскрипции находится в поле text.

Перевод аудио

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

Параметр	Обязательный	Описание
`file`	Да	Неанглоязычный аудиофайл для перевода
`model`	Да	ID модели перевода аудио
`prompt`	Нет	Английский текст для задания стиля вывода
`response_format`	Нет	Формат результата перевода

Translations возвращает английский текст. В базовом JSON-ответе результат находится в поле text.

Обработка ответов

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`