音訊處理

概述

AGTCloud 的音訊介面覆蓋語音合成、語音轉錄和音訊翻譯。三類任務使用不同的輸入方式，並分別回傳音訊檔案或文字結果。

支援的任務類型

類型	說明	主要結果
語音合成	將文字轉換為語音	二進位音訊
語音轉錄	將音訊轉換為原語言文字	JSON、文字或字幕
音訊翻譯	將音訊轉換為英語文字	JSON、文字或字幕

API 串接

Base URL

https://api.agtcloud.cn/v1

語音合成

curl 'https://api.agtcloud.cn/v1/audio/speech' \
  -H 'Authorization: Bearer your-api-key' \
  -H 'Content-Type: application/json' \
  --data '{
    "model": "MODEL_ID",
    "input": "歡迎使用 AGTCloud。",
    "voice": "alloy"
  }' \
  --output speech.mp3

參數	必填	說明
`model`	是	文字轉語音模型 ID
`input`	是	要轉換為語音的文字
`voice`	是	生成語音使用的音色
`response_format`	否	音訊輸出格式
`speed`	否	語音生成速度

Speech 回傳音訊位元組，應按實際回應格式儲存，不要作為 JSON 解析。

語音轉錄

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

參數	必填	說明
`file`	是	要轉錄的音訊檔案
`model`	是	語音轉錄模型 ID
`language`	否	輸入音訊的 ISO-639-1 語言代碼
`response_format`	否	轉錄結果的輸出格式

Transcriptions 使用 Multipart 上傳音訊。基礎 JSON 回應中的轉錄文字位於 text 欄位。

音訊翻譯

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

參數	必填	說明
`file`	是	要翻譯的非英語音訊檔案
`model`	是	音訊翻譯模型 ID
`prompt`	否	用於指導輸出風格的英文文字
`response_format`	否	翻譯結果的輸出格式

Translations 回傳英語文字，基礎 JSON 回應中的結果位於 text 欄位。

處理回應

介面	回應處理
Speech	根據回應格式儲存二進位音訊
Transcriptions	按 `response_format` 處理 JSON、文字或字幕
Translations	按 `response_format` 處理英語文字結果

概述