Modèles audio

Atlas Cloud expose trois capacités audio différentes — synthèse vocale, génération musicale et reconnaissance vocale — via un point de terminaison unique. C'est le modèle que vous choisissez qui détermine laquelle vous obtenez, pas l'URL.

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

Fonctionnement

Les requêtes audio sont asynchrones, comme la génération d'images et de vidéos :

Voir Prédictions pour la machine à états complète et Webhooks pour la configuration des callbacks.

Synthèse vocale

Synthétisez de la parole à partir de texte. Les modèles disponibles incluent Seed Audio, ElevenLabs, MiniMax Speech, Gemini TTS et xAI TTS.

Exemple : 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
  }'

Pour cloner ou référencer une voix, joignez un extrait de référence et pointez dessus depuis le texte :

{
  "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" }]
}

Les extraits de référence doivent durer 30 secondes ou moins et peser moins de 10 Mo.

Génération musicale

Composez des morceaux complets, avec ou sans voix. Suno Chirp et MiniMax Music sont disponibles, ainsi qu'un modèle dédié à l'écriture de paroles.

Exemple : 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"
  }'

Pour écrire les paroles d'abord et composer ensuite, appelez un modèle de paroles tel que minimax/lyrics-generation, puis passez sa sortie dans le champ lyrics du modèle musical.

Reconnaissance vocale

Transcrivez des enregistrements, avec séparation optionnelle des locuteurs et horodatage au mot près.

Exemple : 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
  }'

Exemple : 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
  }'

Lire le résultat

{
  "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] contient la transcription brute. La sortie structurée — timings, locuteurs, langue détectée — se trouve dans stt_result.

Fournir une entrée audio

Les champs d'entrée audio acceptent soit une URL HTTPS publique, soit une data URI en Base64. Les entrées Base64 sont stockées automatiquement et remplacées par une URL avant que la requête n'atteigne le modèle.

Pour les fichiers locaux, téléversez-les d'abord et utilisez l'URL renvoyée :

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

Voir Téléverser des fichiers pour les limites et les détails.

Facturation

Les modèles audio sont facturés de trois manières, selon le modèle :

Les tâches en échec ne sont pas facturées. Pour les modèles facturés à la durée de sortie, un montant est retenu à la soumission puis régularisé sur la durée réelle à l'achèvement.

Utilisez le point de terminaison de tarification pour obtenir un devis exact avant de générer, et consultez Facturation des modèles pour des exemples chiffrés.

Trouver des modèles audio

Le catalogue de modèles change fréquemment. Plutôt que de coder une liste en dur, filtrez le catalogue par type :

• Parcourez la Bibliothèque de modèles et filtrez par Text-to-Audio ou Audio-to-Text
• Ou listez-les depuis un agent avec le Serveur MCP en utilisant atlas_list_models avec type="Audio"

Les paramètres exacts de chaque modèle sont publiés sur sa propre page de référence API, sous Model endpoints.

Voir aussi