音訊

包含語音轉文字、語音翻譯與文字轉語音（TTS）三組 API：轉寫/翻譯以 multipart/form-data 上傳檔案，TTS 接收 JSON 並回傳二進位音訊。

語音轉文字

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"

欄位（form-data）

欄位	類型	必填	說明
file	file	是	音訊檔案（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 語言代碼（如 zh），可提升辨識準確度
prompt	string	否	引導文字，協助拼寫專有名詞
response_format	string	否	json（預設）/ text / srt / verbose_json / vtt
temperature	number	否	取樣溫度

回應

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

verbose_json 格式會額外回傳分段與時間戳記（segments / duration）。

語音翻譯

POST /v1/audio/translations

將音訊內容翻譯成英文，欄位與語音轉文字相同（無 language 參數）：

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." }

文字轉語音

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

請求主體參數

參數	類型	必填	說明
model	string	是	tts-1、tts-1-hd、gpt-4o-mini-tts 等
input	string	是	待合成的文字，最長 4096 字元
voice	string	是	alloy / echo / fable / onyx / nova / shimmer 等
response_format	string	否	mp3（預設）/ opus / aac / flac / wav / pcm
speed	number	否	0.25–4.0，預設 1.0

回應

成功時直接回傳音訊二進位串流（依 response_format 編碼），請存成檔案，不要當成 JSON 解析。

警告

在瀏覽器測試台使用語音轉文字/翻譯時，請切換到表單模式上傳檔案。TTS 回應是二進位串流——測試台會為它內嵌音訊播放器，但仍建議以 cURL/SDK 驗證。