音频接口（TTS / STT）

FIM Gate 提供 OpenAI 兼容的音频接口，覆盖两类场景：

文字转语音（TTS）：输入文本，返回音频文件
语音转文字（STT）：上传音频文件，返回识别文本

基础信息

项目	值
Base URL	`https://api.gate.fim.ai/v1`
鉴权方式	请求头 `Authorization: Bearer $FIM_API_KEY`

文字转语音（Speech）

POST /v1/audio/speech

请求体为 JSON，接口直接返回二进制音频流，可重定向到文件保存。

请求参数

参数	类型	必填	说明
`model`	string	是	TTS 模型 ID，如 `tts-1`
`input`	string	是	要合成的文本，支持中文
`voice`	string	是	音色名称，如 `alloy`
`response_format`	string	否	输出格式，如 `mp3`、`wav`
`speed`	number	否	语速倍率

当前可用的 TTS 模型：tts-1、tts-1-hd、gpt-4o-mini-tts、gemini-2.5-flash-preview-tts、gemini-2.5-pro-preview-tts。完整列表见 gate.fim.ai/pricing。

请求示例

curl https://api.gate.fim.ai/v1/audio/speech \
  -H "Authorization: Bearer $FIM_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "欢迎使用 FIM Gate，一行配置接入多家模型。",
    "voice": "alloy"
  }' \
  --output welcome.mp3

请求成功后，当前目录会生成 welcome.mp3。

语音转文字（Transcriptions）

POST /v1/audio/transcriptions

请求体为 multipart/form-data，需上传音频文件。

请求参数

参数	类型	必填	说明
`file`	file	是	待识别的音频文件（如 mp3、wav、m4a）
`model`	string	是	识别模型 ID，如 `whisper-1`
`language`	string	否	音频语言（ISO-639-1，如 `zh`），可提升准确率
`prompt`	string	否	提示文本，用于引导识别风格或专有名词
`response_format`	string	否	返回格式，如 `json`、`text`、`srt`
`temperature`	number	否	采样温度，0 至 1

当前可用的识别模型：whisper-1。完整列表见 gate.fim.ai/pricing。

请求示例

curl https://api.gate.fim.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $FIM_API_KEY" \
  -H "Content-Type: multipart/form-data" \
  -F file=@./meeting.mp3 \
  -F model=whisper-1

响应示例

{
  "text": "这里是识别出的文字内容。"
}

常见问题

TTS 返回的是二进制流，记得用 --output 或等价方式落盘，不要按 JSON 解析。
STT 上传大文件时请留意客户端超时设置，必要时先做切分。

音频接口（TTS / STT）

本页目录