API de audio

Live
Sintetiza voz o transcribe audio subido y alojado.
Abrir en ChatGPT
(opens in new tab)Última verificación: 2026-09-08

Texto a voz

Envía hasta 600 caracteres. El endpoint usa WAV por defecto; selecciona otros formatos admitidos con response_format. Consulta los límites de voz, velocidad y formato en GET /models.
bash
curl https://api.modelrush.ai/v1/audio/speech \
  -H "Authorization: Bearer $MODELRUSH_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"modelrush/qwen3-tts-flash","input":"ModelRush connected","voice":"Cherry"}' \
  --output speech.wav

Voz a texto

Envía audio multipart o JSON con una referencia de audio pública admitida. La respuesta incluye el texto transcrito, el modelo, la región y los identificadores de petición.
bash
curl https://api.modelrush.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $MODELRUSH_API_KEY" \
  -F "model=modelrush/qwen3-asr-flash" \
  -F "file=@meeting.wav"

Clonación de voz

En la acción create de Qwen Voice Enrollment, language indica el idioma del audio de referencia. Elige el idioma realmente hablado; si se omite, el proveedor usa chino por defecto. Códigos admitidos: zh / en / de / it / pt / es / ja / ko / fr / ru. Usa POST /v1/voices con model: "modelrush/qwen-voice-enrollment", action: "create", audio, target_model y preferred_name. Omite language para conservar el valor predeterminado del proveedor. Un código no admitido devuelve HTTP 400 con unsupported_voice_language antes de crear una solicitud facturable.
AnteriorGeneración de vídeo
SiguienteRegiones y precios