音频

包含语音转写、语音翻译与文本转语音（TTS）三组接口，转写/翻译为 multipart/form-data 上传，TTS 为 JSON 请求返回二进制音频。

语音转写

POST /v1/audio/transcriptions

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

字段（form-data）

字段	类型	必填	说明
file	file	是	音频文件（mp3/wav/m4a/webm 等，≤25MB）
model	string	是	whisper-1、gpt-4o-transcribe、gpt-4o-mini-transcribe 等
language	string	否	ISO-639-1 语言码（如 zh），可提升准确率
prompt	string	否	引导词，帮助纠正专有名词拼写
response_format	string	否	json（默认）/ text / srt / verbose_json / vtt
temperature	number	否	采样温度

响应

{ "text": "这是转写出来的文本内容。" }

verbose_json 格式额外返回分段与时间戳（segments / duration）。

语音翻译

POST /v1/audio/translations

将音频内容翻译为英文，字段与转写一致（无 language 参数）：

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

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

文本转语音

POST /v1/audio/speech

curl https://test.kailin.com.cn/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-你的令牌" \
  -d '{
    "model": "tts-1",
    "voice": "alloy",
    "input": "你好，欢迎来到 AI Station。"
  }' \
  --output speech.mp3

请求体参数

参数	类型	必填	说明
model	string	是	tts-1、tts-1-hd、gpt-4o-mini-tts 等
input	string	是	待合成文本，最长 4096 字符
voice	string	是	alloy / echo / fable / onyx / nova / shimmer 等
response_format	string	否	mp3（默认）/ opus / aac / flac / wav / pcm
speed	number	否	0.25–4.0，默认 1.0

响应

成功时直接返回音频二进制流（按 response_format 编码），需保存为文件而非 JSON 解析。

警告

转写/翻译接口使用浏览器调试台时，请选择「表单模式」上传文件；TTS 返回的是二进制流，调试台会显示为乱码或大小提示，建议用 cURL/SDK 验证。