音频 API

Live
合成语音，或转写上传及托管音频。
在 ChatGPT 中打开
(opens in new tab)最后核对: 2026-09-08

文本转语音

最多发送 600 字符。接口默认返回 WAV；其他格式通过 response_format 指定，并以模型支持范围为准。语音、速度和格式限制见 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 已连接","voice":"Cherry"}' \
  --output speech.wav

语音转文字

可以上传 multipart 音频，也可以用 JSON 提供受支持的公开音频引用。响应包含转写文本、模型、区域与请求标识。
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"

复刻音色

Qwen Voice Enrollment 的 create 操作中，可选 language 表示参考音频语言。请选择音频实际使用的语言；不填时供应商默认为中文。支持的代码： zh / en / de / it / pt / es / ja / ko / fr / ru。调用 POST /v1/voices，提供 model: "modelrush/qwen-voice-enrollment"、action: "create"、audio、target_model 和 preferred_name。省略 language 时保留供应商默认值。显式填写不支持的代码会在建立可计费请求前返回 HTTP 400 和 unsupported_voice_language。
上一页视频生成
下一页区域与价格