Modelos de audio

Atlas Cloud expone tres capacidades de audio distintas — texto a voz, generación de música y voz a texto — a través de un único endpoint. Cuál obtienes lo determina el modelo que elijas, no la URL.

POST https://api.atlascloud.ai/api/v1/model/generateAudio

Cómo funciona

Las solicitudes de audio son asíncronas, igual que la generación de imagen y video:

Consulta Predicciones para ver la máquina de estados completa y Webhooks para configurar los callbacks.

Texto a voz

Sintetiza voz a partir de texto. Entre los modelos disponibles están Seed Audio, ElevenLabs, MiniMax Speech, Gemini TTS y xAI TTS.

Ejemplo: Seed Audio 1.0

curl -X POST https://api.atlascloud.ai/api/v1/model/generateAudio \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bytedance/seed-audio-1.0",
    "text": "Welcome to Atlas Cloud.",
    "format": "mp3",
    "sample_rate": 24000
  }'

Para clonar o referenciar una voz, adjunta un clip de referencia y apunta a él desde el texto:

{
  "model": "bytedance/seed-audio-1.0",
  "text": "Use the voice of @audio1 and say: your order has shipped.",
  "references": [{ "audio_url": "https://example.com/sample-voice.mp3" }]
}

Los clips de referencia deben durar 30 segundos o menos y pesar menos de 10 MB.

Generación de música

Compón pistas completas, con o sin voces. Están disponibles Suno Chirp y MiniMax Music, además de un modelo dedicado a escribir letras.

Ejemplo: Suno Chirp v5

curl -X POST https://api.atlascloud.ai/api/v1/model/generateAudio \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "suno/chirp-v5",
    "prompt": "an upbeat indie pop song about summer road trips",
    "vocal_gender": "Female"
  }'

Para escribir primero la letra y componer después, llama a un modelo de letras como minimax/lyrics-generation y pasa su salida al campo lyrics del modelo de música.

Voz a texto

Transcribe grabaciones, con separación de hablantes y marcas de tiempo por palabra opcionales.

Ejemplo: Seed ASR 2.0

curl -X POST https://api.atlascloud.ai/api/v1/model/generateAudio \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "bytedance/seed-asr-2.0",
    "audio_url": "https://example.com/interview.mp3",
    "enable_punc": true,
    "enable_speaker_info": true,
    "show_utterances": true
  }'

Ejemplo: xAI STT v1

curl -X POST https://api.atlascloud.ai/api/v1/model/generateAudio \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "xai/stt-v1",
    "audio": "https://example.com/interview.mp3",
    "diarize": true,
    "text_normalization": true
  }'

Leer el resultado

{
  "code": 200,
  "data": {
    "id": "…",
    "status": "completed",
    "outputs": ["Thanks for joining the call today…"],
    "stt_result": {
      "text": "Thanks for joining the call today…",
      "duration": 184.2,
      "words": [
        { "text": "Thanks", "start": 0.12, "end": 0.41, "speaker_id": "1" }
      ]
    }
  }
}

outputs[0] contiene la transcripción en texto plano. La salida estructurada — tiempos, hablantes, idioma detectado — vive en stt_result.

Proporcionar la entrada de audio

Los campos de entrada de audio aceptan una URL HTTPS pública o un data URI en Base64. Las entradas en Base64 se almacenan automáticamente y se sustituyen por una URL antes de que la solicitud llegue al modelo.

Para archivos locales, súbelos primero y usa la URL devuelta:

curl -X POST https://api.atlascloud.ai/api/v1/model/uploadMedia \
  -H "Authorization: Bearer $ATLASCLOUD_API_KEY" \
  -F "[email protected]"

Consulta Subir archivos para ver límites y detalles.

Facturación

Los modelos de audio se facturan de una de estas tres formas, según el modelo:

Las tareas fallidas no se facturan. En los modelos facturados por duración de salida, se retiene un importe al enviar la tarea y se liquida contra la duración real al completarse.

Usa el endpoint de precios para obtener un presupuesto exacto antes de generar, y consulta Facturación por modelo para ver ejemplos resueltos.

Encontrar modelos de audio

El catálogo de modelos cambia con frecuencia. En lugar de fijar una lista en el código, filtra el catálogo por tipo:

• Explora la Biblioteca de modelos y filtra por Text-to-Audio o Audio-to-Text
• O bien lístalos desde un agente con el Servidor MCP usando atlas_list_models con type="Audio"

Los parámetros exactos de cada modelo se publican en su propia página de referencia de API, en Model endpoints.

Relacionado