Озвучивание и транскрипция

Выберите операцию

Для озвучивания вызовите POST /v1/audio/speech с model и input. Для транскрипции — POST /v1/audio/transcriptions с model и file_id проверенного аудиофайла.

Проверьте модель в каталоге, права ключа и оценку стоимости. Значение PUBLIC_API_ID ниже замените публичным ID выбранной модели; это заполнитель, а не готовая модель.

Тело запроса

Передайте Authorization: Bearer <ключ>, Content-Type: application/json и сохранённый Idempotency-Key. Для каждой новой генерации нужен отдельный ID.

{
  "model": "PUBLIC_API_ID",
  "input": "Ваше обращение принято. Мы ответим в этом чате.",
  "settings": { "voice": "Kore", "output_format": "wav" },
  "max_cost_microrub": 5000000
}

max_cost_microrub — необязательный потолок цены в микрорублях: если оценка выше, задание не запускается и деньги не резервируются. В примере потолок 5 ₽.

Только для GPT Audio 1.5. Загрузите запись WAV или MP3 до 16 МБ по инструкции и передайте её file_id вместе с заданием в input:

{
  "model": "PUBLIC_API_ID",
  "input": "Переведи запись на английский и озвучь перевод.",
  "file_id": "FILE_ID",
  "settings": { "voice": "marin", "response_format": "mp3" }
}

Модель слушает запись и выполняет задание: отвечает на вопрос из записи, переводит, пересказывает или озвучивает заново выбранным голосом. Голос из записи она не копирует.

Загрузите свой файл по инструкции и подставьте его file_id. Файл должен пройти проверку. Поле file_id содержит UUID, а не публичный URL.

const body = {
  model: process.env.KVANTORA_MODEL_ID,
  file_id: process.env.KVANTORA_FILE_ID,
};

Настройки озвучивания

Настройки передаются в settings. Модель принимает только те, что указаны в её карточке; лишний параметр или чужой голос отклоняются до запуска, без списания.

Модели	`voice`	Формат результата	Стиль и скорость
Gemini 3.8 Flash TTS, Gemini 3.8 Flash-Lite TTS	30 голосов: Kore, Puck, Zephyr, Charon и другие	`output_format`: `wav` или `pcm`	`instructions` — манера речи словами
Gemini 2.5 Flash Preview TTS, Gemini 2.5 Pro Preview TTS	те же 30 голосов	WAV	указание пишется в самом тексте: «Скажи бодро: …»
GPT-4o Mini TTS	13 голосов: alloy, ash, ballad, coral, echo, fable, onyx, nova, sage, shimmer, verse, marin, cedar	`response_format`: mp3, opus, aac, flac, wav, pcm	`instructions` — интонация, темп, акцент
OpenAI TTS, OpenAI TTS HD и их версии 1106	9 голосов: alloy, ash, coral, echo, fable, onyx, nova, sage, shimmer	`response_format`: mp3, opus, aac, flac, wav, pcm	`speed` от 0.25 до 4
GPT Audio 1.5	10 голосов: alloy, ash, ballad, coral, echo, sage, shimmer, verse, marin, cedar	`response_format`: mp3, opus, aac, flac, wav, pcm	задание пишется в `input`
Qwen Audio 3.0 TTS Flash, Qwen Audio 3.0 TTS Plus	имя голоса строкой или голос по умолчанию	аудиофайл модели	—

Текст за один запрос — до 4096 символов; у GPT Audio 1.5 ограничение задаёт общий лимит запроса.

Аудио на входе и клонирование голоса

Запись на входе сейчас принимает только GPT Audio 1.5: один файл WAV или MP3 до 16 МБ. Стоимость резервируется с запасом по длительности записи, а списываются фактические токены.

Клонирование голоса — создание своего голоса по образцу речи — у разработчиков Gemini 3.8 Flash TTS и Gemini 3.8 Flash-Lite TTS есть, но в Kvantora пока не подключено. Остальные модели работают только с готовыми голосами. Если приложить запись к модели без аудиовхода, запрос отклоняется до запуска и деньги не резервируются.

Получение результата

Оба endpoint возвращают асинхронное задание. После succeeded получите файл из output.file_id. Озвучивание даёт аудио, транскрипция даёт UTF-8 TXT; его можно прочитать через GET /v1/files/FILE_ID/content.

Проверяйте GET /v1/jobs/ID, пока задание не завершится. При статусе unknown не запускайте новую транскрипцию или озвучивание автоматически. Состояния задания объясняют, когда можно получать файл и что делать при неопределённом исходе.

Ограничения

JSON-контракт не принимает multipart и поток аудио. Цена каждой модели публикуется в каталоге: за символы текста или за фактические токены, и оценка /v1/quotes относится ко всему заданию.