Source: https://ailoot.ai/docs/ar/api/audio/
Canonical: https://ailoot.ai/docs/ar/api/audio/
Language: ar

[API](https://ailoot.ai/docs/ar/) 

# Audio

[Markdown](https://ailoot.ai/docs/ar/api/audio/index.md)

تحويل النص إلى كلام (TTS) والتعرّف على الكلام (STT) بصيغة OpenAI Audio.

POST`https://api.ailoot.ai/v1/audio/speech`

Audio

```bash
# توليد الكلام
curl https://api.ailoot.ai/v1/audio/speech \
  -H "Authorization: Bearer $AILOOT_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "qwen-audio-3.0-tts-plus", "input": "طاب يومكم! هذا مثال على تحويل النص إلى كلام.", "voice": "longanlingxin"}' \
  --output speech.mp3

# التعرّف
curl https://api.ailoot.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $AILOOT_API_KEY" \
  -F model=qwen-asr \
  -F file=@meeting.wav
```

```python
# التعرّف على الكلام
with open("meeting.wav", "rb") as f:
    tr = client.audio.transcriptions.create(model="qwen-asr", file=f)
print(tr.text)
```

200 OK · التعرّف على الكلام

```json
{
  "text": "طاب يومكم، أيها الزملاء. لنبدأ بنتائج الأسبوع…"
}
```

## المصادقة

| المعامل | النوع | مطلوب | الوصف |
| --- | --- | --- | --- |
| `Authorization` | header | مطلوب | المفتاح بصيغة `Bearer sk-…`. يمكن أيضاً استخدام الترويسات `x-api-key` أو `x-goog-api-key`. |

## تحويل النص إلى كلام: جسم الطلب

| المعامل | النوع | مطلوب | الوصف |
| --- | --- | --- | --- |
| `model` | string | مطلوب | نموذج تحويل النص إلى كلام: `gemini-3.8-flash-tts`, `qwen-audio-3.0-tts-plus`, `speech-2.8-turbo`, `gemini-3.8-flash-lite-tts`, `speech-2.8-hd`, `gemini-3.1-flash-tts-preview`, `speech-2.6-turbo`, `speech-2.6-hd`, `speech-02-turbo`, `speech-02-hd`. |
| `input` | string | مطلوب | النص المراد تحويله إلى كلام. تقبل نماذج MiniMax أقل من 10 000 محرف، ويقبل `qwen-audio-3.0-tts-plus` حتى 600 محرف. |
| `voice` | string |  | الصوت. **مطلوب لنماذج MiniMax** (`speech-2.8-hd` وغيرها من `speech-…`): معرّف صوت MiniMax (أحرف لاتينية وأرقام و `_` و `-`، حتى 128 محرفاً). لدى `qwen-audio-3.0-tts-plus` القيمة الافتراضية هي `longanlingxin`، ولدى نماذج Gemini TTS هي `Kore`. |
| `response_format` | string | اختياري | MiniMax — يدعم فقط `mp3`; `qwen-audio-3.0-tts-plus` — `mp3`, `wav` أو `pcm`؛ Gemini TTS — يدعم `wav` أو `json` (رابط إلى الملف). |

الرد ملف صوتي (لدى MiniMax بصيغة `audio/mpeg`). تُحسب التكلفة بحسب محارف النص أو التوكنات، كما هو موضح في الكتالوج.

## التعرّف على الكلام

POST`https://api.ailoot.ai/v1/audio/transcriptions`

| المعامل | النوع | مطلوب | الوصف |
| --- | --- | --- | --- |
| `file` | file | مطلوب | ملف صوتي WAV ضمن `multipart/form-data`. `qwen-asr`, `qwen-asr-latest` و `qwen-audio-3.0-asr-flash`: ملف PCM WAV كامل غير مضغوط بطول يصل إلى 5 دقائق، وحجم ملف يقارب 7,5 ميغابايت كحد أقصى (حتى 10 ميغابايت بصيغة base64). `asr-1.0`: ملف PCM WAV بطول يصل إلى 500 ثانية وحجم يصل إلى 50 ميغابايت. `gemini-3.5-transcribe`: ملف WAV بحجم يصل إلى 64 ميغابايت. |
| `model` | string | مطلوب | نموذج التعرّف على الكلام: `gemini-3.5-transcribe`, `qwen-audio-3.0-asr-flash`, `asr-1.0`. |
| `response_format` | string | اختياري | فقط `json` (أو اترك الحقل دون تحديد). |

الحقل `language` لا تستخدمه هذه النماذج. الرد: `{"text": "…"}`. تُحسب التكلفة بحسب مدة التسجيل (بالثواني أو الدقائق أو الساعات؛ لكل نموذج وحدة خاصة به).

## الصوت في الوقت الفعلي

لـ `qwen-audio-3.0-realtime-plus` افتح اتصال WebSocket `wss://api.ailoot.ai/v1/realtime?model=qwen-audio-3.0-realtime-plus` بالترويسة `Authorization: Bearer <API_KEY>`. أرسل المفتاح من جانب الخادم: لا يُقبل المفتاح ضمن query string. انتظر `session.created` بالنموذج المحدد، ثم أرسل الإعدادات والرسالة و `response.create`. فيما يلي ثلاثة إطارات نصية JSON متتابعة للحصول على رد نصي في جلسة صوتية:

```json
{"type":"session.update","session":{"modalities":["text"],"turn_detection":null,"max_history_turns":20,"instructions":"كن موجزًا."}}
```

```json
{"type":"conversation.item.create","item":{"type":"message","role":"user","content":[{"type":"input_text","text":"قل نعم."}]}}
```

```json
{"type":"response.create"}
```

اقرأ أحداث الرد حتى `response.done` وقيمة usage النهائية الخاصة به؛ تأتي الأخطاء عبر الحدث `error`. تُحسب التكلفة بحسب التوكنات النصية والصوتية لكل رد مؤكّد. إدخال الصوت: الحدث `input_audio_buffer.append` مع `audio` — بصيغة base64 PCM16 mono 16 kHz؛ ثم `input_audio_buffer.commit` و `response.create`. إخراج الصوت بصيغة PCM16 mono 24 kHz. لا تُقبل الإطارات الثنائية في هذه الجلسة.

أحداث العميل المدعومة: `session.update`, `input_audio_buffer.append/commit/clear`, `response.create/cancel`, `conversation.item.create/retrieve/delete`. عناصر conversation items مخصصة للرسائل والنص فقط؛ أدوات الدوال والبحث على الويب وvoiceprint غير مدعومة. حدود الجلسة: 600 ثانية، و20 رداً، و20 جولة في سجل المحادثة، و2000 بايت لحقل instructions، و8000 بايت لنص العميل. تعتمد مهلة الخمول على الإعدادات (60 ثانية افتراضياً).

الموضح هنا هو الوضع الصوتي لنموذج `qwen-audio-3.0-realtime-plus`؛ لنماذج الوقت الفعلي الأخرى قواعدها الخاصة. المسار `/v1/realtime/sessions` والتوكنات المؤقتة (ephemeral tokens) غير مدعومين.

هل لديك أسئلة أخرى؟ أرسل Request ID ووصفاً للمشكلة وسنساعدك على فهمها.[مراسلة الدعم](mailto:support@ailoot.ai)

## Ailoot · الشركة ومحفظة مشاريعها





تستند Ailoot إلى خبرة تشغيلية متراكمة وقاعدة عملاء واسعة وخدمة مستقرة ومراقبة مستمرة لمؤشرات الأداء KPI.





الشركة ومحفظة مشاريعها: ملايين العملاء؛ مبيعات بالمليارات شهريًا.





توظف Ailoot هذه الخبرة التشغيلية لإتاحة الوصول عبر API إلى قدرات الذكاء الاصطناعي في منتجات العملاء ووكلائهم وتطبيقاتهم وعمليات الأتمتة.