官方文档
📝 简介¶
OpenAI 音频 API 提供了三个主要功能:
文本转语音(TTS) - 将文本转换为自然的语音
语音转文本(STT) - 将音频转录为文本
音频翻译 - 将非英语音频翻译成英语文本
💡 请求示例¶
文本转语音 ✅¶
curl https://地址/v1/audio/speech \ -H "Authorization: Bearer $NEWAPI_API_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "tts-1", "input": "你好,世界!", "voice": "alloy" }' \ --output speech.mp3语音转文本 ✅¶
curl https://地址/v1/audio/transcriptions \ -H "Authorization: Bearer $NEWAPI_API_KEY" \ -H "Content-Type: multipart/form-data" \ -F file="@/path/to/file/audio.mp3" \ -F model="whisper-1"响应示例:
{ "text": "你好,世界!"}音频翻译 ✅¶
curl https://地址/v1/audio/translations \ -H "Authorization: Bearer $NEWAPI_API_KEY" \ -H "Content-Type: multipart/form-data" \ -F file="@/path/to/file/chinese.mp3" \ -F model="whisper-1"响应示例:
{ "text": "Hello, world!"}📮 请求¶
端点¶
文本转语音¶
POST /v1/audio/speech将文本转换为语音。
语音转文本¶
POST /v1/audio/transcriptions将音频转录为输入语言的文本。
音频翻译¶
POST /v1/audio/translations将音频翻译为英语文本。
鉴权方法¶
在请求头中包含以下内容进行 API 密钥认证：
Authorization: Bearer $NEWAPI_API_KEY其中 $NEWAPI_API_KEY 是您的 API 密钥。
请求体参数¶
文本转语音¶
model¶
类型：字符串
必需：是
可选值：tts-1, tts-1-hd
说明：要使用的 TTS 模型
input¶
类型：字符串
必需：是
最大长度：4096 字符
说明：要转换为语音的文本
voice¶
类型：字符串
必需：是
可选值：alloy, echo, fable, onyx, nova, shimmer
说明：生成语音时使用的声音
response_format¶
类型：字符串
必需：否
默认值：mp3
可选值：mp3, opus, aac, flac, wav, pcm
说明：音频输出格式
speed¶
类型：数字
必需：否
默认值：1.0
范围：0.25 - 4.0
说明：生成语音的速度
语音转文本¶
file¶
类型：文件
必需：是
支持格式：flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm
说明：要转录的音频文件
model¶
类型：字符串
必需：是
当前仅支持：whisper-1
说明：要使用的模型 ID
language¶
类型：字符串
必需：否
格式：ISO-639-1 (如 "en")
说明：音频的语言,提供可提高准确性
prompt¶
类型：字符串
必需：否
说明：用于指导模型风格或继续前一段音频的文本
response_format¶
类型：字符串
必需：否
默认值：json
可选值：json, text, srt, verbose_json, vtt
说明：输出格式
temperature¶
类型：数字
必需：否
默认值：0
范围：0 - 1
说明：采样温度,较高的值使输出更随机
timestamp_granularities¶
类型：数组
必需：否
默认值：segment
可选值：word, segment
说明：转录的时间戳粒度
音频翻译¶
file¶
类型：文件
必需：是
支持格式：flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm
说明：要翻译的音频文件
model¶
类型：字符串
必需：是
当前仅支持：whisper-1
说明：要使用的模型 ID
prompt¶
类型：字符串
必需：否
说明：用于指导模型风格的英文文本
response_format¶
类型：字符串
必需：否
默认值：json
可选值：json, text, srt, verbose_json, vtt
说明：输出格式
temperature¶
类型：数字
必需：否
默认值：0
范围：0 - 1
说明：采样温度,较高的值使输出更随机
📥 响应¶
成功响应¶
文本转语音¶
返回二进制音频文件内容。
语音转文本¶
基础 JSON 格式¶
{ "text": "转录的文本内容"}详细 JSON 格式¶
{ "task": "transcribe", "language": "english", "duration": 8.47, "text": "完整的转录文本", "segments": [ { "id": 0, "seek": 0, "start": 0.0, "end": 3.32, "text": "分段的转录文本", "tokens": [50364, 440, 7534], "temperature": 0.0, "avg_logprob": -0.286, "compression_ratio": 1.236, "no_speech_prob": 0.009 } ]}音频翻译¶
{ "text": "翻译后的英文文本"}错误响应¶
当请求出现问题时，API 将返回一个错误响应对象，HTTP 状态码在 4XX-5XX 范围内。
常见错误状态码¶
400 Bad Request: 请求参数无效401 Unauthorized: API 密钥无效或未提供429 Too Many Requests: 超出 API 调用限制500 Internal Server Error: 服务器内部错误
错误响应示例:
{ "error": { "message": "文件格式不支持", "type": "invalid_request_error", "param": "file", "code": "invalid_file_format" }}
