Format audio OpenAI

Documentation officielle

📝Présentation

L'API OpenAI Audio fournit trois fonctions principales:

Text-to-Speech (TTS) - Convertissez le texte en parole naturelle
Speech-to-Text (STT) - Transcrire l'audio en texte
Traduction audio - Traduire l'audio non anglais en texte anglais

💡 Exemples de requêtes

Synthèse vocale ✅

curl https://88api.ai/v1/audio/speech \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "Hello, world!",
    "voice": "alloy"
  }' \
  --output speech.mp3

Synthèse vocale ✅

curl https://88api.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: multipart/form-data" \
  -F file="@/path/to/file/audio.mp3" \
  -F model="whisper-1"

Response Example:

{
  "text": "Hello, world!"
}

Traduction audio ✅

curl https://88api.ai/v1/audio/translations \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: multipart/form-data" \
  -F file="@/path/to/file/chinese.mp3" \
  -F model="whisper-1"

Response Example:

{
  "text": "Hello, world!"
}

📮 Demande

Points de terminaison

Synthèse vocale

POST /v1/audio/speech

Convertissez le texte en parole.

Synthèse vocale

POST /v1/audio/transcriptions

Transcrivez l'audio en texte dans la langue d'entrée.

Traduction audio

POST /v1/audio/translations

Traduire l'audio en texte anglais.

Méthode d'authentification

Incluez les éléments suivants dans l'en-tête de la demande pour l'authentification par clé API:

Authorization: Bearer $API_KEY

Où $API_KEY est votre clé API.

Paramètres du corps de la requête

Synthèse vocale

`model`

Type : Chaîne
Obligatoire : Oui
Valeurs facultatives: tts-1, tts-1-hd
Description : Modèle TTS à utiliser

`input`

Type : Chaîne
Obligatoire : Oui
Longueur maximale: 4096 caractères
Description: Texte à convertir en parole

`voice`

Type : Chaîne
Obligatoire : Oui
Valeurs optionnelles: alliage, écho, fable, onyx, nova, miroitement
Description: Voix à utiliser lors de la génération de la parole

`response_format`

Type : Chaîne
Obligatoire: Non
Par défaut : mp3
Valeurs optionnelles: mp3, opus, aac, flac, wav, pcm
Description: Format de sortie audio

`speed`

Type : Numéro
Obligatoire: Non
Par défaut: 1,0
Plage : 0,25 - 4,0
Description: Vitesse de la parole générée

Synthèse vocale

`file`

Type : Fichier
Obligatoire : Oui
Formats pris en charge : flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm
Description : Fichier audio à retranscrire

`model`

Type : Chaîne
Obligatoire : Oui
Actuellement, ne prend en charge que: murmure-1
Description: ID du modèle à utiliser

`language`

Type : Chaîne
Obligatoire: Non
Format: ISO-639-1 (par exemple, "en")
Description: langue de l'audio, à condition que cela puisse améliorer la précision

`prompt`

Type : Chaîne
Obligatoire: Non
Description: Texte pour guider le style du modèle ou continuer à partir d'un segment audio précédent

`response_format`

Type : Chaîne
Obligatoire: Non
Par défaut: json
Valeurs optionnelles: json, text, srt, verbose_json, vtt
Description: Format de sortie

`temperature`

Type : Numéro
Obligatoire: Non
Par défaut : 0
Plage : 0 - 1
Description: Température d'échantillonnage, des valeurs plus élevées rendent la sortie plus aléatoire

`timestamp_granularities`

Type : Tableau
Obligatoire: Non
Par défaut: segment
Valeurs facultatives: mot, segment
Description: Granularité des horodatages de transcription

Traduction audio

`file`

Type : Fichier
Obligatoire : Oui
Formats pris en charge : flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm
Description : Fichier audio à traduire

`model`

Type : Chaîne
Obligatoire : Oui
Actuellement, ne prend en charge que: murmure-1
Description: ID du modèle à utiliser

`prompt`

Type : Chaîne
Obligatoire: Non
Description : texte anglais pour guider le style du modèle

`response_format`

Type : Chaîne
Obligatoire: Non
Par défaut: json
Valeurs optionnelles: json, text, srt, verbose_json, vtt
Description: Format de sortie

`temperature`

Type : Numéro
Obligatoire: Non
Par défaut : 0
Plage : 0 - 1
Description: Température d'échantillonnage, des valeurs plus élevées rendent la sortie plus aléatoire

📥 Réponse

Réponse réussie

Synthèse vocale

Renvoie le contenu du fichier audio binaire.

Synthèse vocale

Format JSON de base

{
  "text": "Transcribed text content"
}

Format JSON détaillé

{
  "task": "transcribe",
  "language": "english",
  "duration": 8.47,
  "text": "Complete transcribed text",
  "segments": [
    {
      "id": 0,
      "seek": 0,
      "start": 0.0,
      "end": 3.32,
      "text": "Segmented transcribed text",
      "tokens": [50364, 440, 7534],
      "temperature": 0.0,
      "avg_logprob": -0.286,
      "compression_ratio": 1.236,
      "no_speech_prob": 0.009
    }
  ]
}

Traduction audio

{
  "text": "Translated English text"
}

Réponse d'erreur

Lorsqu'une requête rencontre un problème, l'API renvoie un objet de réponse d'erreur, avec des codes d'état HTTP compris entre 4XX et 5XX.

Codes d'état d'erreur courants

400 Bad Request: Paramètres de requête invalides
401 Unauthorized: Clé API invalide ou non fournie
429 Too Many Requests: limite d'appels API dépassée
500 Internal Server Error: Erreur interne du serveur

Exemple de réponse d'erreur:

{
  "error": {
    "message": "Unsupported file format",
    "type": "invalid_request_error",
    "param": "file",
    "code": "invalid_file_format"
  }
}

Sommaire