Garsas

# teksto įgarsinimas
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": "Laba diena! Tai teksto įgarsinimo pavyzdys.", "voice": "longanlingxin"}' \
  --output speech.mp3

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

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

{
  "text": "Laba diena, kolegos. Pradėkime nuo savaitės rezultatų…"
}

Autorizacija

• Authorizationheaderprivalomas

  Raktas formatu Bearer sk-…. Taip pat tinka antraštės x-api-key arba x-goog-api-key.

Teksto pavertimas kalba: užklausos turinys

• modelstringprivalomas

  Teksto pavertimo kalba modelis: 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.

• inputstringprivalomas

  Tekstas, kurį reikia paversti kalba. MiniMax modeliams — mažiau nei 10 000 ženklų, modeliui qwen-audio-3.0-tts-plus — iki 600.

• voicestring

  Balsas. Privalomas MiniMax modeliams (speech-2.8-hd ir kitiems speech-…): MiniMax balso identifikatorius (lotyniškos raidės, skaitmenys, _ ir -, iki 128 ženklų). Modelio qwen-audio-3.0-tts-plus numatytoji reikšmė longanlingxin, Gemini TTS modelių — Kore.

• response_formatstringneprivalomas

  MiniMax — tik mp3; qwen-audio-3.0-tts-plus — mp3, wav arba pcm; Gemini TTS — wav arba json (nuoroda į failą).

Atsakymas — garso failas (MiniMax atveju — audio/mpeg). Mokama už teksto ženklus arba žetonus, kaip nurodyta kataloge.

Kalbos atpažinimas

• filefileprivalomas

  WAV garso failas formatu multipart/form-data. qwen-asr, qwen-asr-latest ir qwen-audio-3.0-asr-flash: visas nesuspaustas PCM WAV iki 5 minučių, failas maždaug iki 7,5 MB (base64 formatu — iki 10 MB). asr-1.0: PCM WAV iki 500 sekundžių ir 50 MB. gemini-3.5-transcribe: WAV iki 64 MB.

• modelstringprivalomas

  Kalbos atpažinimo modelis: gemini-3.5-transcribe, qwen-audio-3.0-asr-flash, asr-1.0.

• response_formatstringneprivalomas

  Tik json (arba nenurodykite).

Laukas language šiuose modeliuose nenaudojamas. Atsakymas: {"text": "…"}. Mokama už įrašo trukmę (sekundes, minutes arba valandas — kiekvienas modelis turi savo vienetą).

Balsas realiuoju laiku

Modeliui qwen-audio-3.0-realtime-plus atverkite WebSocket wss://api.ailoot.ai/v1/realtime?model=qwen-audio-3.0-realtime-plus su antrašte Authorization: Bearer <API_KEY>. Raktą perduokite iš serverio: raktas užklausos eilutėje nepriimamas. Sulaukite session.created su pasirinktu modeliu, tada nusiųskite nustatymus, pranešimą ir response.create. Toliau pateikti trys iš eilės siunčiami JSON teksto kadrai tekstiniam atsakymui garso seanse:

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

{"type":"conversation.item.create","item":{"type":"message","role":"user","content":[{"type":"input_text","text":"Pasakyk taip."}]}}

{"type":"response.create"}

Skaitykite atsakymo įvykius iki response.done ir jo galutinio usage; klaidos pateikiamos įvykiu error. Mokama už kiekvieno patvirtinto atsakymo teksto ir garso žetonus. Garso įvestis: įvykis input_audio_buffer.append su audio — base64 PCM16 mono 16 kHz; tada input_audio_buffer.commit ir response.create. Garso išvestis — PCM16 mono 24 kHz. Dvejetainiai kadrai šiame seanse nepriimami.

Palaikomi kliento įvykiai: session.update, input_audio_buffer.append/commit/clear, response.create/cancel, conversation.item.create/retrieve/delete. conversation items — tik pranešimai / tekstas; function tools, web search ir voiceprint nepalaikomi. Seanso limitai: 600 sekundžių, 20 atsakymų, 20 history turns, 2000 baitų instructions ir 8000 baitų kliento teksto. Idle timeout priklauso nuo konfigūracijos (numatytoji reikšmė — 60 sekundžių).