Audio

# 음성 합성
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": "안녕하세요! 음성 합성 예제입니다.", "voice": "longanlingxin"}' \
  --output speech.mp3

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

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

{
  "text": "안녕하세요, 여러분. 이번 주 성과부터 살펴보겠습니다…"
}

인증

• Authorizationheader필수

  키 형식: Bearer sk-…. 다음 헤더도 사용할 수 있습니다: x-api-key 또는 x-goog-api-key.

음성 합성: 요청 본문

• modelstring필수

  음성 합성 모델: 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.

• inputstring필수

  음성으로 변환할 텍스트입니다. MiniMax 모델은 10 000자 미만이며, qwen-audio-3.0-tts-plus — 최대 600자입니다.

• voicestring

  음성. MiniMax 모델에서 필수 (speech-2.8-hd 및 기타 모델 speech-…): MiniMax 음성 식별자(라틴 문자, 숫자, _ 및 -, 최대 128자). 다음 모델의 경우 qwen-audio-3.0-tts-plus 기본값은 longanlingxin, Gemini TTS 모델의 경우 — Kore.

• response_formatstring선택 사항

  MiniMax — 다음 형식만 지원: mp3; qwen-audio-3.0-tts-plus — mp3, wav 또는 pcm; Gemini TTS — wav 또는 json (파일 링크).

응답은 오디오 파일입니다(MiniMax의 경우 — audio/mpeg). 카탈로그에 표시된 대로 텍스트 문자 수 또는 토큰 수를 기준으로 결제됩니다.

음성 인식

• filefile필수

  WAV 오디오 파일 형식: multipart/form-data. qwen-asr, qwen-asr-latest 및 qwen-audio-3.0-asr-flash — 최대 5분의 완전한 비압축 PCM WAV, 파일 크기 약 7,5 MB 이하(base64에서는 최대 10 MB). asr-1.0 — 최대 500초, 50 MB의 PCM WAV. gemini-3.5-transcribe — 최대 64 MB의 WAV.

• modelstring필수

  음성 인식 모델: gemini-3.5-transcribe, qwen-audio-3.0-asr-flash, asr-1.0.

• response_formatstring선택 사항

  오직 json (또는 생략).

필드 language 는 이 모델들에서 사용되지 않습니다. 응답: {"text": "…"}. 녹음 길이에 따라 결제됩니다(초, 분 또는 시간 — 모델마다 단위가 다릅니다).

실시간 음성

대상 모델: qwen-audio-3.0-realtime-plus — 다음 WebSocket을 여세요: wss://api.ailoot.ai/v1/realtime?model=qwen-audio-3.0-realtime-plus 헤더: Authorization: Bearer <API_KEY>. 키는 서버 측에서 전달하세요. 쿼리 문자열의 키는 허용되지 않습니다. 다음 이벤트를 기다리세요: session.created (선택한 모델 포함). 그다음 설정, 메시지와 response.create를 보내세요. 아래는 오디오 세션에서 텍스트 응답을 받기 위한 연속된 JSON 텍스트 프레임 세 개입니다:

{"type":"session.update","session":{"modalities":["text"],"turn_detection":null,"max_history_turns":20,"instructions":"간결하게 답하세요."}}

{"type":"conversation.item.create","item":{"type":"message","role":"user","content":[{"type":"input_text","text":"‘네’라고 말하세요."}]}}

{"type":"response.create"}

다음 이벤트까지 응답 이벤트를 읽으세요: response.done 및 최종 usage. 오류는 다음 이벤트로 전달됩니다: error. 매번 확인된 응답의 텍스트·오디오 토큰을 기준으로 결제됩니다. 오디오 입력 이벤트: input_audio_buffer.append 및 audio — base64 PCM16 mono 16 kHz. 그다음 input_audio_buffer.commit 및 response.create. 오디오 출력은 PCM16 mono 24 kHz입니다. 이 세션에서는 바이너리 프레임을 허용하지 않습니다.

지원되는 클라이언트 이벤트: session.update, input_audio_buffer.append/commit/clear, response.create/cancel, conversation.item.create/retrieve/delete. conversation items에는 메시지/텍스트만 허용됩니다. function tools, 웹 검색, voiceprint는 지원되지 않습니다. 세션 제한: 600초, 응답 20개, 대화 기록 턴 20개, instructions 2000바이트, 클라이언트 텍스트 8000바이트. 비활성 타임아웃은 설정에 따라 다릅니다(기본값 60초).