Skip to main content
冰岩云支持三类语音能力（取决于所选模型）：
  1. 语音转文字（STT / 转录）：将音频转为文本。
  2. 语音翻译：将非英文音频转为英文文本。
  3. 文字转语音（TTS）：将文本合成为语音。

​
语音转文字（转录）

使用 /v1/audio/transcriptions 将音频转为同语言的文本。通常以 multipart/form-data 上传音频文件。

​
cURL 示例

curl https://moxus.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-你的密钥" \
  -F model="whisper-1" \
  -F file="@meeting.mp3"

​
参数

参数说明
model转录模型名称，如 whisper-1（以模型广场为准）
file音频文件（mp3、wav、m4a 等）
language（可选）音频语言，如 zh、en，指定可提升准确率
response_format（可选）返回格式：json（默认）、text、srt、vtt 等
prompt（可选）提示词，帮助模型识别专有名词

​
响应（默认 json）

{
  "text": "这是会议录音转成的文字内容……"
}

​
Python 示例

from openai import OpenAI

client = OpenAI(api_key="sk-你的密钥", base_url="https://moxus.ai/v1")

with open("meeting.mp3", "rb") as f:
    resp = client.audio.transcriptions.create(
        model="whisper-1",
        file=f,
        language="zh",
    )
print(resp.text)

​
典型应用

  • 会议或访谈录音转文字。
  • 语音笔记整理。
  • 视频字幕生成（使用 srt 或 vtt 格式）。

​
语音翻译

使用 /v1/audio/translations 将非英文音频直接转为英文文本（转录与翻译一步完成）。 
curl https://moxus.ai/v1/audio/translations \
  -H "Authorization: Bearer sk-你的密钥" \
  -F model="whisper-1" \
  -F file="@chinese-speech.mp3"
响应： 
{
  "text": "This is the English translation of the audio content..."
}
该接口的输出固定为英文。如需翻译为其他语言，可先转录再使用对话模型翻译。

​
文字转语音（TTS）

使用 /v1/audio/speech 将文本合成为语音，返回音频文件（二进制流）。

​
请求

{
  "model": "tts-1",
  "input": "你好，欢迎使用冰岩云的语音合成能力。",
  "voice": "alloy"
}
参数说明
modelTTS 模型名称，如 tts-1、tts-1-hd（以模型广场为准）
input要合成的文本
voice音色，如 alloy、echo、fable、onyx、nova、shimmer
response_format（可选）音频格式：mp3（默认）、opus、aac、flac 等
speed（可选）语速，通常 0.25 至 4.0，默认 1.0

​
cURL 示例（保存为 mp3）

curl https://moxus.ai/v1/audio/speech \
  -H "Authorization: Bearer sk-你的密钥" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "你好，欢迎使用冰岩云。",
    "voice": "alloy"
  }' \
  --output speech.mp3

​
Python 示例

from openai import OpenAI

client = OpenAI(api_key="sk-你的密钥", base_url="https://moxus.ai/v1")

resp = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="你好，欢迎使用冰岩云的语音合成能力。",
)
resp.stream_to_file("speech.mp3")
print("语音已保存为 speech.mp3")

​
典型应用

  • 有声读物、文章朗读。
  • 语音播报、语音助手。
  • 无障碍朗读。

​
计费说明

  • 语音转文字与翻译：通常按音频时长（如每分钟）计费。
  • 文字转语音：通常按输入字符或 Token 数计费。
具体价格参见 模型与定价。

​
注意事项

  • 确认所选模型支持相应语音能力。
  • 音频文件存在大小或时长上限，过长的文件建议分段处理。
  • TTS 返回的是二进制音频流，代码中须以二进制方式写入文件，不得作为文本处理。

​
后续步骤