跳转到主要内容
音频工作负载分成两类。文本转语音、转写、音频翻译这类文件式请求使用音频端点；需要低延迟互动音频或多模态事件时，使用实时 WebSocket 端点。

​
选择流程

流程端点适用场景
文本转语音POST /v1/audio/speech需要从文本生成音频文件。
转写POST /v1/audio/transcriptions需要从音频文件得到文本。
音频翻译POST /v1/audio/translations需要从音频文件得到翻译后的文本。
实时会话GET /v1/realtime需要双向流式音频或实时多模态事件。

​
发现模型

不要在客户端硬编码模型列表。语音和转写可使用推荐模型短名单；实时能力需要在打开 socket 前通过模型详情确认。 
curl "https://api.tokenlab.sh/v1/models?recommended_for=tts" \
  -H "Authorization: Bearer sk-your-api-key"

curl "https://api.tokenlab.sh/v1/models?recommended_for=stt" \
  -H "Authorization: Bearer sk-your-api-key"

​
同步音频请求

语音、转写和翻译会在 HTTP 请求中直接返回。大输入可能超过常见客户端超时，建议设置更宽松的超时并保存 request ID 方便排查。 
curl -X POST "https://api.tokenlab.sh/v1/audio/speech" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1-hd",
    "voice": "nova",
    "input": "Welcome to TokenLab."
  }' \
  --output speech.mp3

​
实时会话

打开 WebSocket 时在查询参数中传 model，并在 Authorization header 中传 API key。事件格式按所选实时模型文档发送；会话结束时主动关闭 socket。 
import WebSocket from 'ws';

const socket = new WebSocket('wss://api.tokenlab.sh/v1/realtime?model=gpt-realtime', {
  headers: { Authorization: 'Bearer sk-your-api-key' }
});

socket.on('message', (event) => console.log(event.toString()));

​
状态处理

  • 保存生成的音频文件，刷新页面时不要重复发起同一请求。
  • 转写和翻译即使是同步调用，也应展示上传和处理中状态。
  • 实时会话要处理关闭事件，只有用户重新开始会话时才重连。
  • 不要把 API key、私有 URL 或账户密钥放进音频文本输入。

​
API 参考

主题参考
创建语音创建语音
创建转写创建转写
创建翻译创建翻译
实时 WebSocket实时 WebSocket
列出模型列出模型
计费与价格计费与价格