Định dạng âm thanh OpenAI

Tài liệu chính thức

📝 Giới thiệu

API âm thanh OpenAI cung cấp ba chức năng chính:

Text-to-Speech (TTS) – Chuyển văn bản thành giọng nói tự nhiên
Speech-to-Text (STT) - Chuyển âm thanh thành văn bản
Dịch âm thanh - Dịch âm thanh không phải tiếng Anh sang văn bản tiếng Anh

💡 Yêu cầu Ví dụ

Chuyển văn bản thành giọng nói ✅

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

Chuyển giọng nói thành văn bản ✅

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!"
}

Dịch âm thanh ✅

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!"
}

📮 Yêu cầu

Điểm cuối

Chuyển văn bản thành giọng nói

POST /v1/audio/speech

Chuyển đổi văn bản thành giọng nói.

Chuyển giọng nói thành văn bản

POST /v1/audio/transcriptions

Phiên âm âm thanh thành văn bản bằng ngôn ngữ đầu vào.

Dịch âm thanh

POST /v1/audio/translations

Dịch âm thanh sang văn bản tiếng Anh.

Phương thức xác thực

Bao gồm nội dung sau trong tiêu đề yêu cầu để xác thực khóa API:

Authorization: Bearer $API_KEY

Trong đó $API_KEY là khóa API của bạn.

Thông số nội dung yêu cầu

Chuyển văn bản thành giọng nói

`model`

Loại: Chuỗi
Bắt buộc: Có
Giá trị tùy chọn: tts-1, tts-1-hd
Mô tả: Model TTS sử dụng

`input`

Loại: Chuỗi
Bắt buộc: Có
Độ dài tối đa: 4096 ký tự
Mô tả: Chuyển văn bản thành giọng nói

`voice`

Loại: Chuỗi
Bắt buộc: Có
Các giá trị tùy chọn: hợp kim, tiếng vang, truyện ngụ ngôn, mã não, nova, ánh sáng lung linh
Mô tả: Giọng nói sử dụng khi tạo giọng nói

`response_format`

Loại: Chuỗi
Bắt buộc: Không
Mặc định: mp3
Giá trị tùy chọn: mp3, opus, aac, flac, wav, pcm
Mô tả: Định dạng đầu ra âm thanh

`speed`

Loại: Số
Bắt buộc: Không
Mặc định: 1.0
Phạm vi: 0,25 - 4,0
Mô tả: Tốc độ phát âm

Chuyển giọng nói thành văn bản

`file`

Loại: Tập tin
Bắt buộc: Có
Các định dạng được hỗ trợ: flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm
Mô tả: File âm thanh để chép lại

`model`

Loại: Chuỗi
Bắt buộc: Có
Hiện tại chỉ hỗ trợ: thì thầm-1
Mô tả: ID Model sử dụng

`language`

Loại: Chuỗi
Bắt buộc: Không
Định dạng: ISO-639-1 (ví dụ: "en")
Mô tả: Ngôn ngữ của âm thanh, việc cung cấp ngôn ngữ này có thể cải thiện độ chính xác

`prompt`

Loại: Chuỗi
Bắt buộc: Không
Mô tả: Văn bản hướng dẫn phong cách của mô hình hoặc tiếp tục từ đoạn âm thanh trước đó

`response_format`

Loại: Chuỗi
Bắt buộc: Không
Mặc định: json
Các giá trị tùy chọn: json, text, srt,verbose_json, vtt
Mô tả: Định dạng đầu ra

`temperature`

Loại: Số
Bắt buộc: Không
Mặc định: 0
Phạm vi: 0 - 1
Mô tả: Nhiệt độ lấy mẫu, giá trị cao hơn khiến đầu ra ngẫu nhiên hơn

`timestamp_granularities`

Kiểu: Mảng
Bắt buộc: Không
Mặc định: đoạn
Các giá trị tùy chọn: từ, đoạn
Mô tả: Độ chi tiết của dấu thời gian phiên mã

Dịch âm thanh

`file`

Loại: Tập tin
Bắt buộc: Có
Các định dạng được hỗ trợ: flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm
Mô tả: File âm thanh cần dịch

`model`

Loại: Chuỗi
Bắt buộc: Có
Hiện tại chỉ hỗ trợ: thì thầm-1
Mô tả: ID Model sử dụng

`prompt`

Loại: Chuỗi
Bắt buộc: Không
Mô tả: Văn bản tiếng Anh hướng dẫn phong cách của người mẫu

`response_format`

Loại: Chuỗi
Bắt buộc: Không
Mặc định: json
Các giá trị tùy chọn: json, text, srt,verbose_json, vtt
Mô tả: Định dạng đầu ra

`temperature`

Loại: Số
Bắt buộc: Không
Mặc định: 0
Phạm vi: 0 - 1
Mô tả: Nhiệt độ lấy mẫu, giá trị cao hơn khiến đầu ra ngẫu nhiên hơn

📥 Phản hồi

###Phản hồi thành công

Chuyển văn bản thành giọng nói

Trả về nội dung tệp âm thanh nhị phân.

Chuyển giọng nói thành văn bản

Định dạng JSON cơ bản

{
  "text": "Transcribed text content"
}

Định dạng JSON chi tiết

{
  "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
    }
  ]
}

Dịch âm thanh

{
  "text": "Translated English text"
}

Phản hồi lỗi

Khi yêu cầu gặp sự cố, API sẽ trả về đối tượng phản hồi lỗi, với mã trạng thái HTTP trong phạm vi 4XX-5XX.

Mã trạng thái lỗi phổ biến

400 Bad Request: Tham số yêu cầu không hợp lệ
401 Unauthorized: API key không hợp lệ hoặc không được cung cấp
429 Too Many Requests: Vượt quá giới hạn lệnh gọi API
500 Internal Server Error: Lỗi nội bộ của máy chủ

Ví dụ về phản hồi lỗi:

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

Mục lục