Audio（即将开放）

语音类接口，含语音合成（TTS）与语音识别（ASR）两个端点（规划中 · OpenAI 兼容形态）。

TIP

该模态为预留位，接口以最终发布公告为准。当前调用对应模型将返回 400 modality_not_ready。

语音合成（tts）

POST /v1/audio/speech：文本转语音，音频二进制直接返回。

字段	类型	说明
model	string	语音合成模型名
input	string	待合成文本（初期上限 5000 字符）
voice	string	音色
response_format	string	mp3 / wav 等

计费口径：按输入字符数计费。

语音识别（asr）

POST /v1/audio/transcriptions：音频转文本，multipart 上传，音频 ≤ 25MB。

计费口径：按音频时长计费。