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

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

# Audio

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

Sintesis pertuturan (TTS) dan pengecaman pertuturan (STT) dalam format OpenAI Audio.

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

Audio

```bash
# penjanaan suara
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": "Selamat tengah hari! Ini ialah contoh penjanaan suara.", "voice": "longanlingxin"}' \
  --output speech.mp3

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

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

200 OK · pengecaman

```json
{
  "text": "Selamat tengah hari, rakan-rakan. Kita mulakan dengan ringkasan minggu ini…"
}
```

## Pengesahan

| Parameter | Jenis | Wajib | Penerangan |
| --- | --- | --- | --- |
| `Authorization` | header | wajib | Kunci dalam bentuk `Bearer sk-…`. Pengepala berikut juga boleh digunakan `x-api-key` atau `x-goog-api-key`. |

## Sintesis pertuturan: badan permintaan

| Parameter | Jenis | Wajib | Penerangan |
| --- | --- | --- | --- |
| `model` | string | wajib | Model sintesis pertuturan: `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 | wajib | Teks untuk disuarakan. Model MiniMax — kurang daripada 10 000 aksara, manakala `qwen-audio-3.0-tts-plus` — sehingga 600. |
| `voice` | string |  | Suara. **Wajib untuk model MiniMax** (`speech-2.8-hd` dan model lain `speech-…`): pengecam suara MiniMax (huruf Latin, angka, `_` dan `-`, sehingga 128 aksara). Bagi `qwen-audio-3.0-tts-plus` nilai lalainya ialah `longanlingxin`, manakala bagi model Gemini TTS — `Kore`. |
| `response_format` | string | pilihan | MiniMax — hanya `mp3`; `qwen-audio-3.0-tts-plus` — `mp3`, `wav` atau `pcm`; Gemini TTS — `wav` atau `json` (pautan ke fail). |

Respons ialah fail audio (bagi MiniMax — `audio/mpeg`). Bayaran dikira mengikut aksara teks atau token, seperti yang dinyatakan dalam katalog.

## Pengecaman pertuturan

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

| Parameter | Jenis | Wajib | Penerangan |
| --- | --- | --- | --- |
| `file` | file | wajib | Fail audio WAV dalam `multipart/form-data`. `qwen-asr`, `qwen-asr-latest` dan `qwen-audio-3.0-asr-flash`: PCM WAV penuh tanpa pemampatan sehingga 5 minit, fail sekitar 7,5 MB maksimum (dalam base64 — sehingga 10 MB). `asr-1.0`: PCM WAV sehingga 500 saat dan 50 MB. `gemini-3.5-transcribe`: WAV sehingga 64 MB. |
| `model` | string | wajib | Model pengecaman: `gemini-3.5-transcribe`, `qwen-audio-3.0-asr-flash`, `asr-1.0`. |
| `response_format` | string | pilihan | Hanya `json` (atau abaikan medan ini). |

Medan `language` tidak digunakan oleh model ini. Respons: `{"text": "…"}`. Bayaran dikira mengikut tempoh rakaman (saat, minit atau jam — setiap model mempunyai unitnya sendiri).

## Suara masa nyata

Untuk `qwen-audio-3.0-realtime-plus` buka WebSocket `wss://api.ailoot.ai/v1/realtime?model=qwen-audio-3.0-realtime-plus` dengan pengepala `Authorization: Bearer <API_KEY>`. Hantar kunci dari bahagian pelayan: kunci dalam rentetan pertanyaan tidak diterima. Tunggu `session.created` dengan model yang dipilih, kemudian hantar tetapan, mesej dan `response.create`. Berikut ialah tiga bingkai teks JSON berturutan untuk respons teks dalam sesi audio:

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

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

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

Baca peristiwa respons sehingga `response.done` dan penggunaan akhirnya; ralat diterima melalui peristiwa `error`. Bayaran dikira mengikut token teks dan audio bagi setiap respons yang disahkan. Input audio: peristiwa `input_audio_buffer.append` dengan `audio` — base64 PCM16 mono 16 kHz; kemudian `input_audio_buffer.commit` dan `response.create`. Output audio — PCM16 mono 24 kHz. Bingkai binari tidak diterima dalam sesi ini.

Peristiwa klien yang disokong: `session.update`, `input_audio_buffer.append/commit/clear`, `response.create/cancel`, `conversation.item.create/retrieve/delete`. conversation items — hanya mesej/teks; function tools, web search dan voiceprint tidak disokong. Had sesi: 600 saat, 20 respons, 20 history turns, 2000 bait instructions dan 8000 bait teks klien. Idle timeout bergantung pada konfigurasi (secara lalai 60 saat).

Bahagian ini menerangkan mod suara `qwen-audio-3.0-realtime-plus`; model masa nyata lain mempunyai peraturan tersendiri. Laluan `/v1/realtime/sessions` dan token sementara (ephemeral tokens) tidak disokong.

Masih ada soalan? Hantar Request ID dan penerangannya — kami akan membantu menyiasatnya.[Hubungi sokongan](mailto:support@ailoot.ai)

## Ailoot · Syarikat dan portfolio projeknya





Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.





Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.





Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.