音频

第 1 版 · 更新于 2026-11-12 · 阅读约 2 分钟

通过 Runtoken 合成语音或转写音频。

选择操作#

语音合成使用 JSON 请求体，音频转写使用 multipart 文件上传。请按操作选择对应模型。

• 语音合成：POST /v1/audio/speech。
• 音频转写：POST /v1/audio/transcriptions。

两者均通过 https://api.runtoken.net 调用，并在 Authorization 请求头中携带平台 Key。

生成语音#

以下示例将 MP3 响应保存为本地文件。

curl 'https://api.runtoken.net/v1/audio/speech' \
  -H 'Authorization: Bearer YOUR_PLATFORM_KEY' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "YOUR_MODEL_ID",
    "input": "Hello!",
    "voice": "alloy",
    "response_format": "mp3"
  }' --output YOUR_OUTPUT_AUDIO.mp3

运行示例前，请替换以下占位值。

音色和输出格式由以下参数指定。

将下载结果作为音频播放前，请检查 HTTP 状态和 Content-Type，避免把错误响应当成音频文件。

转写音频#

通过 multipart 请求提交本地音频文件。

curl 'https://api.runtoken.net/v1/audio/transcriptions' \
  -H 'Authorization: Bearer YOUR_PLATFORM_KEY' \
  -F 'model=YOUR_MODEL_ID' \
  -F 'file=@YOUR_INPUT_AUDIO.wav' \
  -F 'response_format=verbose_json'

运行示例前，请替换以下占位值。

转写示例将 response_format 设为 verbose_json，仅在所选模型支持此格式时使用。

curl 会构造文件上传所需的 multipart 请求体。

用量与时长#

不同模型的转写响应格式可能不同。支持 verbose_json 时，可以通过该格式获取时长；JSON 响应也可能直接提供原生 token 用量。

多媒体计费以明确的用量依据为准。缺少用量信息时，请求会进入复核；平台不会通过文件大小推算音频时长。

支持的格式与限制#

制作音色选择器或开放音频上传之前，需要确认可用音色、输出格式和上传限制。

下一步#

异步生成相关说明见视频任务；通用的路由与计费行为见接入指南。