لوگوی پلتفرم Aizeمستندات پلتفرم Aize

صدا

تبدیل متن به گفتار یا رونویسی صدا به متن

صدا

پلتفرم Aize از قابلیت‌های صوتی از جمله تبدیل متن به گفتار (TTS) و تبدیل گفتار به متن (رونویسی) پشتیبانی می‌کند که به‌طور کامل با API صدای OpenAI سازگار است.

تبدیل متن به گفتار (TTS)

صدای گفتاری را از متن تولید کنید.

نقطه پایانی

POST https://api.aize.dev/v1/audio/speech

مثال

python
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.aize.dev/v1"
)

response = client.audio.speech.create(
    model="tts-1",
    voice="alloy",
    input="The quick brown fox jumped over the lazy dog."
)

response.stream_to_file("output.mp3")
curl
curl https://api.aize.dev/v1/audio/speech \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "The quick brown fox jumped over the lazy dog.",
    "voice": "alloy"
  }' \
  --output speech.mp3

صداهای پشتیبانی‌شده

  • alloy
  • echo
  • fable
  • onyx
  • nova
  • shimmer

رونویسی (گفتار به متن)

فایل‌های صوتی را به متن رونویسی کنید.

نقطه پایانی

POST https://api.aize.dev/v1/audio/transcriptions

مثال

python
from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.aize.dev/v1"
)

audio_file = open("speech.mp3", "rb")
transcript = client.audio.transcriptions.create(
  model="whisper-1",
  file=audio_file
)

print(transcript.text)
curl
curl https://api.aize.dev/v1/audio/transcriptions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: multipart/form-data" \
  -F file="@/path/to/file/audio.mp3" \
  -F model="whisper-1"

فرمت‌های پشتیبانی‌شده

  • mp3
  • mp4
  • mpeg
  • mpga
  • m4a
  • wav
  • webm

حداکثر حجم فایل: 25 مگابایت

در این صفحه