Audio

Trois groupes de points de terminaison : reconnaissance vocale, traduction audio et synthèse vocale (TTS). La transcription/traduction téléverse les fichiers en multipart/form-data ; le TTS accepte du JSON et renvoie de l'audio binaire.

Transcriptions

POST /v1/audio/transcriptions

curl https://test.kailin.com.cn/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-token" \
  -F "file=@/path/to/audio.mp3" \
  -F "model=whisper-1" \
  -F "language=zh"

Champs (form-data)

Champ	Type	Obligatoire	Description
file	file	Oui	Fichier audio (mp3/wav/m4a/webm etc., ≤25MB)
model	string	Oui	whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe, etc.
language	string	Non	Code ISO-639-1 (ex. zh) — améliore la précision
prompt	string	Non	Texte d'aide pour bien orthographier les noms propres
response_format	string	Non	json (défaut) / text / srt / verbose_json / vtt
temperature	number	Non	Température d'échantillonnage

Réponse

{ "text": "This is the transcribed text." }

Le format verbose_json renvoie en outre les segments et les horodatages (segments / duration).

Traductions

POST /v1/audio/translations

Traduit le contenu audio en anglais. Les champs sont les mêmes que pour les transcriptions (sans le paramètre language) :

curl https://test.kailin.com.cn/v1/audio/translations \
  -H "Authorization: Bearer sk-your-token" \
  -F "file=@/path/to/audio.mp3" \
  -F "model=whisper-1"

{ "text": "This is the English translation of the audio." }

Synthèse vocale

POST /v1/audio/speech

curl https://test.kailin.com.cn/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-your-token" \
  -d '{
    "model": "tts-1",
    "voice": "alloy",
    "input": "Welcome to AI Station."
  }' \
  --output speech.mp3

Corps de la requête

Paramètre	Type	Obligatoire	Description
model	string	Oui	tts-1, tts-1-hd, gpt-4o-mini-tts, etc.
input	string	Oui	Texte à synthétiser — jusqu'à 4096 caractères
voice	string	Oui	alloy / echo / fable / onyx / nova / shimmer, etc.
response_format	string	Non	mp3 (défaut) / opus / aac / flac / wav / pcm
speed	number	Non	0.25–4.0, défaut 1.0

Réponse

En cas de succès, le point de terminaison renvoie les octets audio bruts (encodés selon response_format). Enregistrez-les dans un fichier au lieu de les analyser comme du JSON.

Avertissement

Lorsque vous utilisez le playground web pour la transcription/traduction, passez en mode formulaire pour téléverser des fichiers. La réponse TTS est un flux binaire — le playground y intègre un lecteur audio, mais une validation via cURL/SDK est recommandée.