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

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

# Audio

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

הקראת טקסט (TTS) וזיהוי דיבור (STT) בפורמט OpenAI Audio.

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

Audio

```bash
# המרת טקסט לדיבור
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": "שלום! זו דוגמה להמרת טקסט לדיבור.", "voice": "longanlingxin"}' \
  --output speech.mp3

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

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

200 OK · זיהוי דיבור

```json
{
  "text": "שלום, עמיתים לעבודה. נתחיל בסיכום השבוע…"
}
```

## אימות

| פרמטר | סוג | חובה | תיאור |
| --- | --- | --- | --- |
| `Authorization` | header | חובה | המפתח בפורמט `Bearer sk-…`. אפשר להשתמש גם בכותרות `x-api-key` או `x-goog-api-key`. |

## הקראת טקסט: גוף הבקשה

| פרמטר | סוג | חובה | תיאור |
| --- | --- | --- | --- |
| `model` | string | חובה | מודל להקראת טקסט: `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 | חובה | הטקסט להקראה. במודלי MiniMax — פחות מ-10 000 תווים, ובמודל `qwen-audio-3.0-tts-plus` — עד 600. |
| `voice` | string |  | קול. **חובה במודלי MiniMax** (`speech-2.8-hd` ובמודלים נוספים `speech-…`): מזהה קול של MiniMax (אותיות לטיניות, ספרות, `_` וכן `-`, עד 128 תווים). במודל `qwen-audio-3.0-tts-plus` ברירת המחדל היא `longanlingxin`, ובמודלי Gemini TTS — `Kore`. |
| `response_format` | string | רשות | MiniMax — רק `mp3`; `qwen-audio-3.0-tts-plus` — `mp3`, `wav` או `pcm`; Gemini TTS — `wav` או `json` (קישור לקובץ). |

התשובה היא קובץ שמע (ב-MiniMax — `audio/mpeg`). החיוב הוא לפי תווי הטקסט או לפי טוקנים, כפי שמצוין בקטלוג.

## זיהוי דיבור

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

| פרמטר | סוג | חובה | תיאור |
| --- | --- | --- | --- |
| `file` | file | חובה | קובץ שמע WAV בפורמט `multipart/form-data`. `qwen-asr`, `qwen-asr-latest` וכן `qwen-audio-3.0-asr-flash`: PCM WAV מלא ולא דחוס באורך של עד 5 דקות, קובץ בגודל של עד כ-7.5 MB (ב-base64 — עד 10 MB). `asr-1.0`: PCM WAV באורך של עד 500 שניות ובגודל של עד 50 MB. `gemini-3.5-transcribe`: WAV בגודל של עד 64 MB. |
| `model` | string | חובה | מודל לזיהוי דיבור: `gemini-3.5-transcribe`, `qwen-audio-3.0-asr-flash`, `asr-1.0`. |
| `response_format` | string | רשות | רק `json` (או להשמיט את השדה). |

השדה `language` אינו משמש במודלים האלה. התשובה: `{"text": "…"}`. החיוב הוא לפי משך ההקלטה (שניות, דקות או שעות — לכל מודל יחידה משלו).

## קול בזמן אמת

עבור `qwen-audio-3.0-realtime-plus` יש לפתוח WebSocket `wss://api.ailoot.ai/v1/realtime?model=qwen-audio-3.0-realtime-plus` עם הכותרת `Authorization: Bearer <API_KEY>`. יש להעביר את המפתח מצד השרת: מפתח ב-query string אינו מתקבל. יש להמתין לאירוע `session.created` עם המודל שנבחר, ולאחר מכן לשלוח את ההגדרות, ההודעה ואת `response.create`. להלן שלוש מסגרות טקסט JSON עוקבות לקבלת תשובת טקסט בסשן שמע:

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

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

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

יש לקרוא את אירועי התשובה עד לאירוע `response.done` ונתוני ה-usage הסופיים שלו; שגיאות מגיעות באירוע `error`. החיוב הוא לפי טוקני הטקסט והשמע של כל תשובה שאומתה. קלט שמע: האירוע `input_audio_buffer.append` עם `audio` — base64 PCM16 mono 16 kHz; ולאחר מכן `input_audio_buffer.commit` וכן `response.create`. פלט השמע הוא PCM16 mono 24 kHz. מסגרות בינאריות אינן מתקבלות בסשן הזה.

אירועי הלקוח הנתמכים: `session.update`, `input_audio_buffer.append/commit/clear`, `response.create/cancel`, `conversation.item.create/retrieve/delete`. conversation items כוללים רק הודעות וטקסט; function tools, web search ו-voiceprint אינם נתמכים. מגבלות הסשן: 600 שניות, 20 תשובות, 20 history turns, 2000 בתים של instructions ו-8000 בתים של טקסט מהלקוח. Idle timeout תלוי בהגדרות (ברירת המחדל היא 60 שניות).

כאן מתואר מצב הקול של `qwen-audio-3.0-realtime-plus`; למודלים אחרים של זמן אמת יש כללים משלהם. הנתיב `/v1/realtime/sessions` וטוקנים זמניים (ephemeral tokens) אינם נתמכים.

נשארו שאלות? שלחו Request ID ותיאור — נעזור לברר.[פנייה לתמיכה](mailto:support@ailoot.ai)

## Ailoot · החברה ופורטפוליו הפרויקטים שלה





Ailoot נשענת על ניסיון תפעולי מצטבר, בסיס לקוחות רחב, שירות יציב ובקרה שוטפת של KPI.





החברה ופורטפוליו הפרויקטים שלה: מיליוני לקוחות; מכירות בהיקף של מיליארדים מדי חודש.





Ailoot משתמשת בניסיון התפעולי הזה כדי לספק גישת API ליכולות AI במוצרי לקוחות, בסוכנים, באפליקציות ובאוטומציות.