音频处理

概述

AGTCloud 的音频接口覆盖语音合成、语音转录和音频翻译。三类任务使用不同的输入方式，并分别返回音频文件或文字结果。

支持的任务类型

类型	说明	主要结果
语音合成	将文本转换为语音	二进制音频
语音转录	将音频转换为原语言文本	JSON、文本或字幕
音频翻译	将音频转换为英语文本	JSON、文本或字幕

API 接入

Base URL

https://api.agtcloud.cn/v1

语音合成

curl 'https://api.agtcloud.cn/v1/audio/speech' \
  -H 'Authorization: Bearer your-api-key' \
  -H 'Content-Type: application/json' \
  --data '{
    "model": "MODEL_ID",
    "input": "欢迎使用 AGTCloud。",
    "voice": "alloy"
  }' \
  --output speech.mp3

参数	必填	说明
`model`	是	文本转语音模型 ID
`input`	是	要转换为语音的文本
`voice`	是	生成语音使用的声音
`response_format`	否	音频输出格式
`speed`	否	语音生成速度

Speech 返回音频字节，应按实际响应格式保存，不要作为 JSON 解析。

语音转录

curl 'https://api.agtcloud.cn/v1/audio/transcriptions' \
  -H 'Authorization: Bearer your-api-key' \
  -F 'file=@meeting.mp3' \
  -F 'model=MODEL_ID'

参数	必填	说明
`file`	是	要转录的音频文件
`model`	是	语音转录模型 ID
`language`	否	输入音频的 ISO-639-1 语言代码
`response_format`	否	转录结果的输出格式

Transcriptions 使用 Multipart 上传音频。基础 JSON 响应中的转录文本位于 text 字段。

音频翻译

curl 'https://api.agtcloud.cn/v1/audio/translations' \
  -H 'Authorization: Bearer your-api-key' \
  -F 'file=@chinese.mp3' \
  -F 'model=MODEL_ID'

参数	必填	说明
`file`	是	要翻译的非英语音频文件
`model`	是	音频翻译模型 ID
`prompt`	否	用于指导输出风格的英文文本
`response_format`	否	翻译结果的输出格式

Translations 返回英语文本，基础 JSON 响应中的结果位于 text 字段。

处理响应

接口	响应处理
Speech	根据响应格式保存二进制音频
Transcriptions	按 `response_format` 处理 JSON、文本或字幕
Translations	按 `response_format` 处理英语文本结果

概述