语音合成 / 识别

语音合成（TTS）

POST /v1/audio/speech

将文本转换为语音，返回音频二进制流。

请求参数

参数	类型	必填	说明
model	string	✅	TTS 模型，如 tts-1（标准）、tts-1-hd（高清）
input	string	✅	要合成的文本（最大 4096 字符）
voice	string	✅	音色，见下方可选值
response_format	string	—	音频格式：mp3（默认）、opus、aac、flac、wav、pcm
speed	number	—	语速，范围 0.25–4.0（默认 1.0）

可用音色

音色名	风格描述
alloy	中性、均衡
echo	磁性、沉稳
fable	温暖、叙事感
onyx	深沉、权威
nova	活泼、友好
shimmer	柔和、清澈

示例

cURL

curl https://api.idreame.com/v1/audio/speech \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer sk-xxxxxxxx" \
  -d '{
    "model": "tts-1",
    "input": "欢迎使用 iDreame 算力平台，您的 AI 能力一站式入口。",
    "voice": "nova"
  }' \
  --output welcome.mp3

Python

from pathlib import Path
from openai import OpenAI

client = OpenAI(
    base_url="https://api.idreame.com/v1",
    api_key="sk-xxxxxxxx",
)

response = client.audio.speech.create(
    model="tts-1",
    voice="nova",
    input="欢迎使用 iDreame 算力平台，您的 AI 能力一站式入口。",
)

Path("welcome.mp3").write_bytes(response.content)

---

语音识别（STT）

POST /v1/audio/transcriptions

将音频文件转换为文字（语音转录）。使用 multipart/form-data 格式上传文件。

请求参数

参数	类型	必填	说明
file	file	✅	音频文件（支持 mp3、mp4、mpeg、mpga、m4a、wav、webm，最大 25MB）
model	string	✅	识别模型，如 whisper-1
language	string	—	指定语言代码（如 zh、en），不填则自动检测
prompt	string	—	可选的提示词，用于引导识别风格或纠正专有名词
response_format	string	—	输出格式：json（默认）、text、srt、vtt、verbose_json
temperature	number	—	采样温度 0–1

示例

cURL

curl https://api.idreame.com/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-xxxxxxxx" \
  -F "file=@recording.mp3" \
  -F "model=whisper-1" \
  -F "language=zh"

Python

from openai import OpenAI

client = OpenAI(
    base_url="https://api.idreame.com/v1",
    api_key="sk-xxxxxxxx",
)

with open("recording.mp3", "rb") as audio_file:
    transcript = client.audio.transcriptions.create(
        model="whisper-1",
        file=audio_file,
        language="zh",
    )

print(transcript.text)

响应示例

{
  "text": "欢迎使用 iDreame 算力平台。"
}

字幕输出

设置 response_format=srt 可直接输出 SRT 格式字幕文件：

curl https://api.idreame.com/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-xxxxxxxx" \
  -F "file=@video_audio.mp3" \
  -F "model=whisper-1" \
  -F "response_format=srt"

输出：

1
00:00:00,000 --> 00:00:02,500
欢迎使用 iDreame 算力平台。

2
00:00:02,800 --> 00:00:05,200
您的 AI 能力一站式入口。