Âm thanh

Ba nhóm endpoint: chuyển giọng nói thành văn bản, dịch âm thanh và chuyển văn bản thành giọng nói (TTS). Phần transcriptions/translations tải tệp lên dưới dạng multipart/form-data; TTS nhận JSON và trả về dữ liệu âm thanh nhị phân.

Chuyển giọng nói thành văn bản (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"

Các trường (form-data)

Trường	Kiểu	Bắt buộc	Mô tả
file	file	Có	Tệp âm thanh (mp3/wav/m4a/webm v.v., ≤25MB)
model	string	Có	whisper-1, gpt-4o-transcribe, gpt-4o-mini-transcribe, v.v.
language	string	Không	Mã ISO-639-1 (ví dụ zh) — giúp tăng độ chính xác
prompt	string	Không	Văn bản hướng dẫn giúp viết đúng tên riêng
response_format	string	Không	json (mặc định) / text / srt / verbose_json / vtt
temperature	number	Không	Nhiệt độ lấy mẫu

Phản hồi

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

Định dạng verbose_json trả về thêm các phân đoạn và dấu thời gian (segments / duration).

Dịch âm thanh (Translations)

POST /v1/audio/translations

Dịch nội dung âm thanh sang tiếng Anh. Các trường giống với phần transcriptions (không có tham số 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." }

Chuyển văn bản thành giọng nói (TTS)

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

Thân yêu cầu

Tham số	Kiểu	Bắt buộc	Mô tả
model	string	Có	tts-1, tts-1-hd, gpt-4o-mini-tts, v.v.
input	string	Có	Văn bản cần tổng hợp — tối đa 4096 ký tự
voice	string	Có	alloy / echo / fable / onyx / nova / shimmer, v.v.
response_format	string	Không	mp3 (mặc định) / opus / aac / flac / wav / pcm
speed	number	Không	0.25–4.0, mặc định 1.0

Phản hồi

Khi thành công, endpoint trả về các byte âm thanh thô (được mã hóa theo response_format). Hãy lưu nó thành tệp thay vì phân tích cú pháp như JSON.

Cảnh báo

Khi dùng playground trên web cho transcriptions/translations, hãy chuyển sang chế độ biểu mẫu (form) để tải tệp lên. Phản hồi của TTS là một luồng nhị phân — playground nhúng sẵn trình phát âm thanh cho nó, nhưng nên kiểm chứng bằng cURL/SDK.