> ## Documentation Index
> Fetch the complete documentation index at: https://docs.focusapi.cn/llms.txt
> Use this file to discover all available pages before exploring further.

# 语音模型

> FocusAPI 语音模型接入指南：语音转文字 STT、文字转语音 TTS、音频上传、OpenAI Audio 兼容路径、文件大小、格式和超时说明。

语音能力主要分为两类：**语音转文字（STT）** 和 **文字转语音（TTS）**。常见模型可以使用 OpenAI Audio 兼容路径，也可能有厂商原生参数。

## 语音转文字

适合会议转写、字幕、客服录音分析、语音输入。

常见路径：

```http theme={null}
POST /v1/audio/transcriptions
```

```bash theme={null}
curl https://www.focusapi.cn/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-api-key" \
  -F file="@/path/to/audio.mp3" \
  -F model="whisper-1"
```

## 文字转语音

适合配音、有声内容、语音播报。

常见路径：

```http theme={null}
POST /v1/audio/speech
```

```bash theme={null}
curl https://www.focusapi.cn/v1/audio/speech \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "你好，欢迎使用 FocusAPI",
    "voice": "alloy"
  }' \
  --output speech.mp3
```

## 常见参数

| 能力  | 参数                | 说明                                |
| --- | ----------------- | --------------------------------- |
| STT | `file`            | 上传音频文件，通常使用 `multipart/form-data` |
| STT | `model`           | 语音识别模型 ID                         |
| STT | `language`        | 可选，指定音频语言                         |
| TTS | `input`           | 要朗读的文本                            |
| TTS | `voice`           | 音色，取决于模型支持                        |
| TTS | `response_format` | 输出格式，如 mp3、wav 等                  |

## 文件与超时

* 大文件更容易触发 [524 超时](/errors/524)，建议切分后上传。
* 音频格式、大小限制和时长限制以模型广场说明为准。
* 批量转写建议控制并发，避免 [429 限流](/errors/429)。

## 计费

语音模型可能按次数、字符数、音频时长或模型倍率计费。具体以控制台日志和 [计费与用量](/billing/pricing) 为准。