Audio 音频

音频相关接口，包括语音合成、语音转文字、语音翻译。

参考文档: https://platform.openai.com/docs/api-reference/audio

语音合成 (Text-to-Speech)

POST /v1/audio/speech

将文本转换为音频。

请求体 (application/json)

参数	类型	必填	说明
model	string	是	模型 ID（如 tts-1）
input	string	是	要转换的文本（最大 4096 字符）
voice	string	是	语音选择：alloy、echo、fable、onyx、nova、shimmer
response_format	string	否	mp3、opus、aac、flac、wav、pcm，默认 mp3
speed	number	否	语速 0.25-4，默认 1

请求示例

cURL

curl -X POST "https://your-api-base/v1/audio/speech" \
  -H "Authorization: Bearer sk-xxxxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "The quick brown fox jumped over the lazy dog.",
    "voice": "alloy"
  }' \
  --output speech.mp3

Python

from openai import OpenAI
from pathlib import Path

client = OpenAI(
    api_key="sk-xxxxxx",
    base_url="https://your-api-base/v1"
)

speech_file = Path("speech.mp3")
response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="The quick brown fox jumped over the lazy dog."
)
response.stream_to_file(speech_file)

响应

直接返回音频文件二进制内容。

---

语音转文字 (Transcription)

POST /v1/audio/transcriptions

将音频转换为文本。

请求体 (multipart/form-data)

参数	类型	必填	说明
file	binary	是	音频文件
model	string	是	模型 ID（如 whisper-1）
language	string	否	ISO-639-1 语言代码
prompt	string	否	可选提示词
response_format	string	否	json、text、srt、verbose_json、vtt，默认 json
temperature	number	否	采样温度
timestamp_granularities	array	否	word、segment

请求示例

curl -X POST "https://your-api-base/v1/audio/transcriptions" \
  -H "Authorization: Bearer sk-xxxxxx" \
  -F file="@audio.mp3" \
  -F model="whisper-1" \
  -F language="zh"

200 成功响应

{
  "text": "这是一段测试音频的转写结果。"
}

---

语音翻译 (Translation)

POST /v1/audio/translations

将音频翻译为英文文本。

请求体 (multipart/form-data)

参数	类型	必填	说明
file	binary	是	音频文件
model	string	是	模型 ID
prompt	string	否	可选提示词
response_format	string	否	响应格式
temperature	number	否	采样温度

请求示例

curl -X POST "https://your-api-base/v1/audio/translations" \
  -H "Authorization: Bearer sk-xxxxxx" \
  -F file="@audio.mp3" \
  -F model="whisper-1"