APIs de áudio

Live
Sintetize voz ou transcreva áudio enviado e hospedado.
Abrir no ChatGPT
(opens in new tab)Última verificação: 2026-09-08

Texto para voz

Envie até 600 caracteres. O endpoint usa WAV por padrão; selecione outros formatos aceitos com response_format. Consulte os limites de voz, velocidade e formato em 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 para texto

Envie áudio multipart ou JSON com uma referência de áudio pública suportada. A resposta traz o texto transcrito, o modelo, a região e os identificadores de requisição.
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"

Clonagem de voz

Na ação create do Qwen Voice Enrollment, language indica o idioma do áudio de referência. Escolha o idioma realmente falado; se omitido, o provedor usa chinês por padrão. Códigos aceitos: zh / en / de / it / pt / es / ja / ko / fr / ru. Use POST /v1/voices com model: "modelrush/qwen-voice-enrollment", action: "create", audio, target_model e preferred_name. Omita language para manter o padrão do provedor. Um código não aceito retorna HTTP 400 com unsupported_voice_language antes de criar uma requisição cobrada.
AnteriorGeração de vídeo
PróximaRegiões e preços