音频（Audio）

​

简介

• OpenAI 格式：/v1/audio/speech（TTS）、/v1/audio/transcriptions（STT）、/v1/audio/translations（翻译），兼容 OpenAI Audio API。
• Gemini 原生格式：POST /v1beta/models/{model}:generateContent，通过 responseModalities: ["AUDIO"] 与 speechConfig 生成语音（如 gemini-2.5-flash-preview-tts）。

​

认证

​

请求示例

curl -X POST "https://api.gravitex.ai/v1/audio/speech" \
  -H "Authorization: Bearer sk-xxxxxxxxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "你好，欢迎使用 GravitexAI。",
    "voice": "alloy",
    "response_format": "mp3",
    "speed": 1.0
  }' \
  --output speech.mp3

curl -X POST "https://api.gravitex.ai/v1/audio/transcriptions" \
  -H "Authorization: Bearer sk-xxxxxxxxxx" \
  -F file="@audio.mp3" \
  -F model="whisper-1"

curl -X POST "https://api.gravitex.ai/v1/audio/translations" \
  -H "Authorization: Bearer sk-xxxxxxxxxx" \
  -F file="@audio.mp3" \
  -F model="whisper-1"

curl -X POST "https://api.gravitex.ai/v1beta/models/gemini-2.5-flash-preview-tts:generateContent" \
  -H "Authorization: Bearer sk-xxxxxxxxxx" \
  -H "Content-Type: application/json" \
  -d '{
    "contents": [
      {
        "parts": [
          {"text": "用欢快的语气说：祝你今天过得愉快！"}
        ]
      }
    ],
    "generationConfig": {
      "responseModalities": ["AUDIO"],
      "speechConfig": {
        "voiceConfig": {
          "prebuiltVoiceConfig": {
            "voiceName": "Kore"
          }
        }
      }
    }
  }'

# 将响应 JSON 中 inlineData.data 解码为 out.pcm
echo "<base64_data>" | base64 --decode > out.pcm

​

常用参数

​

OpenAI 格式

• model：如 tts-1、tts-1-hd
• input：待合成文本（≤ 4096 字符）
• voice：alloy、echo、fable、onyx、nova、shimmer
• response_format：mp3、opus、aac、flac、wav、pcm

• file：音频文件（multipart）
• model：如 whisper-1

​

Gemini 格式（TTS）

• model（路径参数）：如 gemini-2.5-flash-preview-tts、gemini-2.5-pro-preview-tts
• contents[].parts[].text：待朗读或带风格指令的文本
• generationConfig.responseModalities：须包含 "AUDIO"
• generationConfig.speechConfig.voiceConfig.prebuiltVoiceConfig.voiceName：预置音色，如 Kore、Puck、Charon、Fenrir 等