Audio-Modelle

Atlas Cloud stellt drei verschiedene Audio-Fähigkeiten bereit — Text-to-Speech, Musikgenerierung und Speech-to-Text — über einen einzigen Endpunkt. Welche davon Sie erhalten, bestimmt das gewählte Modell, nicht die URL.

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

So funktioniert es

Audio-Anfragen sind asynchron, wie die Bild- und Videogenerierung:

Den vollständigen Statusautomaten finden Sie unter Vorhersagen, die Callback-Einrichtung unter Webhooks.

Text-to-Speech

Sprache aus Text synthetisieren. Verfügbare Modelle sind unter anderem Seed Audio, ElevenLabs, MiniMax Speech, Gemini TTS und xAI TTS.

Beispiel: 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
  }'

Um eine Stimme zu klonen oder zu referenzieren, hängen Sie einen Referenzclip an und verweisen Sie im Text darauf:

{
  "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" }]
}

Referenzclips dürfen höchstens 30 Sekunden lang und kleiner als 10 MB sein.

Musikgenerierung

Komplette Tracks komponieren, mit oder ohne Gesang. Suno Chirp und MiniMax Music sind verfügbar, dazu ein eigenes Modell zum Schreiben von Songtexten.

Beispiel: 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"
  }'

Wenn Sie zuerst Songtexte schreiben und dann komponieren möchten, rufen Sie ein Songtext-Modell wie minimax/lyrics-generation auf und übergeben dessen Ausgabe an das Feld lyrics des Musikmodells.

Speech-to-Text

Aufnahmen transkribieren, optional mit Sprechertrennung und Zeitstempeln auf Wortebene.

Beispiel: 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
  }'

Beispiel: 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
  }'

Das Ergebnis lesen

{
  "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] enthält das reine Transkript. Die strukturierte Ausgabe — Zeitangaben, Sprecher, erkannte Sprache — steht in stt_result.

Audio-Eingaben bereitstellen

Audio-Eingabefelder akzeptieren entweder eine öffentliche HTTPS-URL oder einen Base64-Data-URI. Base64-Eingaben werden automatisch gespeichert und durch eine URL ersetzt, bevor die Anfrage das Modell erreicht.

Laden Sie lokale Dateien zuerst hoch und verwenden Sie die zurückgegebene URL:

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

Limits und Details finden Sie unter Dateien hochladen.

Abrechnung

Audio-Modelle werden je nach Modell auf eine von drei Arten abgerechnet:

Fehlgeschlagene Aufgaben werden nicht abgerechnet. Bei Modellen, die nach Ausgabedauer abgerechnet werden, wird bei Einreichung ein Betrag reserviert und bei Abschluss gegen die tatsächliche Dauer verrechnet.

Nutzen Sie den Preis-Endpunkt, um vor der Generierung ein exaktes Angebot zu erhalten; ausgearbeitete Beispiele finden Sie unter Modellabrechnung.

Audio-Modelle finden

Der Modellkatalog ändert sich häufig. Anstatt eine Liste fest zu verdrahten, filtern Sie den Katalog nach Typ:

• Durchsuchen Sie die Modellbibliothek und filtern Sie nach Text-to-Audio oder Audio-to-Text
• Oder lassen Sie sie von einem Agenten über den MCP-Server mit atlas_list_models und type="Audio" auflisten

Die genauen Parameter jedes Modells sind auf seiner eigenen API-Referenzseite unter Model endpoints veröffentlicht.

Verwandte Themen