Аудиомодели

Atlas Cloud предоставляет три разные аудиовозможности — синтез речи, генерацию музыки и распознавание речи — через единый эндпоинт. Какую из них вы получите, определяет выбранная модель, а не URL.

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

Как это работает

Аудиозапросы асинхронны, как генерация изображений и видео:

Полная схема статусов описана в разделе Предсказания, настройка обратных вызовов — в разделе Вебхуки.

Синтез речи

Синтезируйте речь из текста. Доступны Seed Audio, ElevenLabs, MiniMax Speech, Gemini TTS и xAI TTS.

Пример: 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
  }'

Чтобы клонировать голос или сослаться на него, приложите референсный фрагмент и укажите на него из текста:

{
  "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" }]
}

Референсные фрагменты должны быть не длиннее 30 секунд и меньше 10 МБ.

Генерация музыки

Сочиняйте полноценные треки — с вокалом или без. Доступны Suno Chirp и MiniMax Music, а также отдельная модель для написания текстов песен.

Пример: 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"
  }'

Чтобы сначала написать текст, а потом музыку, вызовите модель текстов, например minimax/lyrics-generation, и передайте её результат в поле lyrics музыкальной модели.

Распознавание речи

Расшифровывайте записи с опциональным разделением по говорящим и таймкодами на уровне слов.

Пример: 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
  }'

Пример: 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
  }'

Чтение результата

{
  "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" }
      ]
    }
  }
}

В outputs[0] лежит обычная расшифровка. Структурированный вывод — тайминги, говорящие, определённый язык — находится в stt_result.

Передача аудио на вход

Поля аудиовхода принимают либо публичный HTTPS-URL, либо data URI в Base64. Данные в Base64 сохраняются автоматически и заменяются на URL до того, как запрос дойдёт до модели.

Локальные файлы сначала загрузите и используйте полученный URL:

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

Ограничения и подробности — в разделе Загрузка файлов.

Тарификация

Аудиомодели тарифицируются одним из трёх способов, в зависимости от модели:

Неудавшиеся задачи не тарифицируются. Для моделей с оплатой по длительности вывода сумма резервируется при отправке задачи и пересчитывается по фактической длительности при завершении.

Используйте эндпоинт цен, чтобы получить точную оценку до генерации, а разобранные примеры смотрите в разделе Тарификация моделей.

Как найти аудиомодели

Каталог моделей часто меняется. Вместо жёстко заданного списка фильтруйте каталог по типу:

• Откройте Библиотеку моделей и отфильтруйте по Text-to-Audio или Audio-to-Text
• Либо получите список из агента через MCP-сервер, вызвав atlas_list_models с type="Audio"

Точные параметры каждой модели опубликованы на её собственной странице справочника API в разделе Model endpoints.

Связанные материалы