# 语音、转写与实时音频 API 指南

转写、语音合成和实时语音是不同链路，分别关注识别准确率、音色授权与低延迟双工传输，不能用一个音频端点概括。

## 三类音频任务

转写把音频变文本，关注语言、时间戳、说话人和噪声；语音合成把文本变音频，关注音色、情感、格式和流式首包；实时对话同时包含采集、VAD、转写、推理与播放。三者的 API 和延迟目标不同。

## 输入与传输

离线文件要校验格式、采样率、时长和大小，并优先流式上传；实时链路使用 WebRTC、WebSocket 或厂商协议，必须处理重连、背压、打断和会话过期。不要把原始音频写入普通应用日志。

## API 选择

转写、Speech 和 Realtime 使用不同模型/端点。本站仅对已适配路径提供 Bearer 认证；模型是否支持语言、时间戳、声音克隆或实时工具调用，以官方页为准。

## 如何评测

转写使用字/词错误率、专有名词和说话人指标；TTS 评估自然度、可懂度、音色相似和首包；实时语音测端到端延迟、打断成功率与回声。必须覆盖噪声和弱网。

## 权利与隐私

声音属于敏感生物特征场景。克隆前取得可证明的授权，显著标识合成内容，并核验存储、删除、地域、未成年人和禁止用途政策。

## 适用场景

- 文本转语音
- 语音转写
- 实时语音

## API 路径

- /v1/audio/speech
- /v1/audio/transcriptions
- /v1/audio/translations

## 关联指南

- [OpenAI](https://api.tu-zi.com/docs/providers/openai): OpenAI 官方推荐新项目优先使用 Responses API；直连和本站都使用 Bearer 请求头，但必须分别使用 OpenAI 密钥与本站密钥，并确认本站已适配目标端点。
- [MiniMax](https://api.tu-zi.com/docs/providers/minimax): 中国站直连 OpenAI Base URL 为 `https://api.minimaxi.com/v1`，Anthropic 兼容为 `/anthropic`；按量与 Token Plan 使用独立 Key，本站仅使用本站令牌和适配路径。
- [Mistral AI](https://api.tu-zi.com/docs/providers/mistral): 直连 Mistral 首调使用 Mistral Base URL、`Authorization: Bearer` 和精确模型 ID；本站只保留已适配的 `/v1/chat/completions`，必须改用本站 Base URL 与密钥。Batch、Guardrails 和 Moderation 是 Mistral 官方能力，不代表本站入口自动支持或自动开启。
- [iFLYTEK Spark](https://api.tu-zi.com/docs/providers/iflytek-spark): 讯飞星火的通用 HTTP API、Spark-X1.5 与 Spark-X2 使用不同 Base URL；官方直连使用对应服务的 APIPassword，本站统一使用本站 Bearer 令牌和已适配路径。

## 常见问题

### 语音转写、语音合成和实时对话能共用一个端点吗？

通常不能。转写是音频转文本，TTS 是文本转音频，实时对话还涉及 VAD、双工传输和打断；模型、端点、上传格式及 WebRTC/WebSocket 协议应分别确认。

### 怎样降低实时语音的延迟和卡顿？

使用服务支持的流式传输，控制音频分片与采样格式，并实现背压、重连、会话过期和打断。分别测首包和端到端延迟，避免在请求链上完整缓冲大文件。

### 语音模型应该用什么指标评测？

转写评估字/词错误率、术语和说话人；TTS 评估自然度、可懂度、音色相似和首包；实时语音评估端到端延迟、打断和回声。测试集必须包含噪声与弱网。

### 可以把用户录音写入日志或直接用于声音克隆吗？

不可以默认这样做。原始音频和声音特征可能是敏感数据，应最小化采集、加密存储并支持删除，普通日志只记录脱敏元数据；克隆前还要取得可证明的授权并标识合成内容。

## 参考来源

- OpenAI Audio Guide: https://developers.openai.com/api/docs/guides/audio

## 文档来源

来源: https://api.tu-zi.com/docs/use-cases/audio

核验日期: 2026-08-08

本文为文档接入参考。厂商原生接口与本站接口可能不同；请结合对应 API Reference 和模型广场确认本站地址、鉴权、模型 ID、分组与参数。本文不表示所有模型或上游服务均已通过实时调用验收。仅包含文档与示例，不包含当前用户的密钥或请求记录。