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

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

# Audio

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

OpenAI Audio形式のテキスト音声合成（TTS）と音声認識（STT）。

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

Audio

```bash
# 音声合成
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": "こんにちは！ これは音声合成の例です。", "voice": "longanlingxin"}' \
  --output speech.mp3

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

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

200 OK · 音声認識

```json
{
  "text": "皆さん、こんにちは。今週の成果から始めましょう…"
}
```

## 認証

| パラメーター | 型 | 必須 | 説明 |
| --- | --- | --- | --- |
| `Authorization` | header | 必須 | キーの形式：`Bearer sk-…`。次のヘッダーも使用できます：`x-api-key` または `x-goog-api-key`。 |

## 音声合成：リクエストボディ

| パラメーター | 型 | 必須 | 説明 |
| --- | --- | --- | --- |
| `model` | string | 必須 | 音声合成モデル：`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 | 必須 | 音声合成するテキスト。MiniMaxのモデルでは10 000文字未満、 `qwen-audio-3.0-tts-plus` では600文字まで。 |
| `voice` | string |  | 声。**MiniMaxモデルでは必須** (`speech-2.8-hd` などの `speech-…`): MiniMaxの音声ID（英字、数字、 `_`と`-`、128文字まで）。`qwen-audio-3.0-tts-plus` のデフォルトは `longanlingxin`、Gemini TTSモデルでは `Kore`。 |
| `response_format` | string | 任意 | MiniMaxは次の形式のみ：`mp3`; `qwen-audio-3.0-tts-plus` — `mp3`, `wav` または `pcm`；Gemini TTSでは `wav` または `json` （ファイルへのリンク）。 |

レスポンスは音声ファイル（MiniMaxでは `audio/mpeg`）。料金は、カタログの記載に従い、テキストの文字数またはトークン数に基づきます。

## 音声認識

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

| パラメーター | 型 | 必須 | 説明 |
| --- | --- | --- | --- |
| `file` | file | 必須 | WAV音声ファイルの送信形式：`multipart/form-data`。 `qwen-asr`, `qwen-asr-latest`と`qwen-audio-3.0-asr-flash`：完全な非圧縮PCM WAV。5分まで、ファイルはおよそ7,5 MBまで（base64では10 MBまで）。`asr-1.0`：PCM WAV、500秒・50 MBまで。`gemini-3.5-transcribe`：WAV、64 MBまで。 |
| `model` | string | 必須 | 音声認識モデル：`gemini-3.5-transcribe`, `qwen-audio-3.0-asr-flash`, `asr-1.0`。 |
| `response_format` | string | 任意 | 次の形式のみ：`json` （省略も可能）。 |

フィールド `language` は、これらのモデルでは使用されません。レスポンス：`{"text": "…"}`。料金は録音の長さに基づきます（秒・分・時間のいずれかで、単位はモデルごとに異なります）。

## リアルタイム音声

モデル `qwen-audio-3.0-realtime-plus` ではWebSocket接続を開いてください。接続先は `wss://api.ailoot.ai/v1/realtime?model=qwen-audio-3.0-realtime-plus` 、ヘッダーは `Authorization: Bearer <API_KEY>`です。キーはサーバー側から送信してください。query stringで渡すキーは受け付けません。選択したモデルの `session.created` を待ってから、設定とメッセージを送信し、 `response.create`を送信してください。以下は、音声セッションでテキストレスポンスを取得するための、三つの連続したJSON text framesです：

```json
{"type":"session.update","session":{"modalities":["text"],"turn_detection":null,"max_history_turns":20,"instructions":"簡潔に回答してください。"}}
```

```json
{"type":"conversation.item.create","item":{"type":"message","role":"user","content":[{"type":"input_text","text":"はいと答えてください。"}]}}
```

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

レスポンスイベントは、次のイベントまで読み取ってください：`response.done`と、その最終usage。エラーは次のイベントで届きます：`error`。料金は、確認済みの各レスポンスのテキストトークンと音声トークンに基づきます。音声入力：イベント `input_audio_buffer.append` 、 `audio` はbase64 PCM16 mono 16 kHzです。その後、 `input_audio_buffer.commit`と`response.create`を送信します。音声出力はPCM16 mono 24 kHzです。このセッションではバイナリフレームを受け付けません。

対応するクライアントイベント：`session.update`, `input_audio_buffer.append/commit/clear`, `response.create/cancel`, `conversation.item.create/retrieve/delete`。conversation itemsはメッセージとテキストのみです。function tools、web search、voiceprintには対応していません。セッションの制限：600秒、20レスポンス、20 history turns、instructionsは2000バイト、クライアントのテキストは8000バイト。アイドルタイムアウトは設定によって異なります（デフォルトは60秒）。

ここでは、次のモデルの音声モードを説明します：`qwen-audio-3.0-realtime-plus`。他のリアルタイムモデルには、それぞれ異なるルールがあります。パス `/v1/realtime/sessions`と一時トークン（ephemeral tokens）には対応していません。

ご不明な点はありますか？Request IDと状況の説明をお送りください。調査をお手伝いします。[サポートに問い合わせる](mailto:support@ailoot.ai)

## Ailoot · 企業とそのプロジェクト群





Ailootは、蓄積した運営経験、幅広い顧客基盤、安定したサービス、継続的なKPI管理を基盤としています。





企業とそのプロジェクト群：数百万の顧客、毎月数十億規模の売上。





Ailootはこの運営経験を、お客様の製品、エージェント、アプリケーション、自動化でAI機能を利用するためのAPIアクセスに活かしています。