Audio

# spraakgeneratie
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": "Goedendag! Dit is een voorbeeld van spraakgeneratie.", "voice": "longanlingxin"}' \
  --output speech.mp3

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

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

{
  "text": "Goedendag, collega's. Laten we beginnen met de resultaten van de week…"
}

Authenticatie

• Authorizationheaderverplicht

  Sleutel in de vorm Bearer sk-…. Ook deze headers worden ondersteund: x-api-key of x-goog-api-key.

Tekst-naar-spraak: verzoekbody

• modelstringverplicht

  Tekst-naar-spraakmodel: 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.

• inputstringverplicht

  Tekst om uit te spreken. Bij MiniMax-modellen: minder dan 10 000 tekens; bij qwen-audio-3.0-tts-plus — maximaal 600.

• voicestring

  Stem. Verplicht voor MiniMax-modellen (speech-2.8-hd en andere speech-…): stem-ID van MiniMax (Latijnse letters, cijfers, _ en -, maximaal 128 tekens). Bij qwen-audio-3.0-tts-plus standaard longanlingxin, bij Gemini TTS-modellen: Kore.

• response_formatstringoptioneel

  MiniMax — alleen mp3; qwen-audio-3.0-tts-plus — mp3, wav of pcm; Gemini TTS — wav of json (link naar het bestand).

Het antwoord is een audiobestand (bij MiniMax: audio/mpeg). Je betaalt per tekstteken of per token, zoals aangegeven in de catalogus.

Spraakherkenning

• filefileverplicht

  WAV-audiobestand in multipart/form-data. qwen-asr, qwen-asr-latest en qwen-audio-3.0-asr-flash: een volledig ongecomprimeerd PCM WAV-bestand van maximaal 5 minuten, ongeveer maximaal 7,5 MB (in base64 maximaal 10 MB). asr-1.0: PCM WAV van maximaal 500 seconden en 50 MB. gemini-3.5-transcribe: WAV van maximaal 64 MB.

• modelstringverplicht

  Spraakherkenningsmodel: gemini-3.5-transcribe, qwen-audio-3.0-asr-flash, asr-1.0.

• response_formatstringoptioneel

  Alleen json (of weglaten).

Het veld language wordt door deze modellen niet gebruikt. Antwoord: {"text": "…"}. Je betaalt voor de duur van de opname (seconden, minuten of uren — elk model heeft een eigen eenheid).

Spraak in realtime

Voor qwen-audio-3.0-realtime-plus open je een WebSocket wss://api.ailoot.ai/v1/realtime?model=qwen-audio-3.0-realtime-plus met de header Authorization: Bearer <API_KEY>. Geef de sleutel door vanaf de server: een sleutel in de query string wordt niet geaccepteerd. Wacht op session.created met het gekozen model en verstuur daarna de instellingen, het bericht en response.create. Hieronder staan drie opeenvolgende JSON-tekstframes voor een tekstantwoord in een audiosessie:

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

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

{"type":"response.create"}

Lees de antwoordgebeurtenissen tot response.done en de uiteindelijke usage daarvan; fouten komen binnen als een gebeurtenis van het type error. De kosten worden berekend op basis van de tekst- en audiotokens van elk bevestigd antwoord. Audio-invoer: gebeurtenis input_audio_buffer.append met audio — base64 PCM16 mono 16 kHz; daarna input_audio_buffer.commit en response.create. Audio-uitvoer: PCM16 mono 24 kHz. Binaire frames worden in deze sessie niet geaccepteerd.

Ondersteunde clientgebeurtenissen: session.update, input_audio_buffer.append/commit/clear, response.create/cancel, conversation.item.create/retrieve/delete. conversation items — alleen berichten/tekst; function tools, web search en voiceprint worden niet ondersteund. Sessielimieten: 600 seconden, 20 antwoorden, 20 gespreksbeurten in de geschiedenis, 2000 bytes instructions en 8000 bytes clienttekst. De idle timeout hangt af van de configuratie (standaard 60 seconden).