Modelos de áudio

O Atlas Cloud expõe três capacidades de áudio diferentes — texto para fala, geração de música e fala para texto — por meio de um único endpoint. Qual delas você obtém é determinado pelo modelo escolhido, não pela URL.

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

Como funciona

As requisições de áudio são assíncronas, assim como a geração de imagem e vídeo:

Consulte Predições para a máquina de estados completa e Webhooks para configurar os callbacks.

Texto para fala

Sintetize fala a partir de texto. Entre os modelos disponíveis estão Seed Audio, ElevenLabs, MiniMax Speech, Gemini TTS e xAI TTS.

Exemplo: 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
  }'

Para clonar ou referenciar uma voz, anexe um clipe de referência e aponte para ele a partir do texto:

{
  "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" }]
}

Os clipes de referência devem ter no máximo 30 segundos e menos de 10 MB.

Geração de música

Componha faixas completas, com ou sem vocais. Suno Chirp e MiniMax Music estão disponíveis, além de um modelo dedicado à escrita de letras.

Exemplo: 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"
  }'

Para escrever a letra primeiro e compor depois, chame um modelo de letras como minimax/lyrics-generation e passe a saída dele para o campo lyrics do modelo de música.

Fala para texto

Transcreva gravações, com separação de locutores e marcações de tempo por palavra opcionais.

Exemplo: 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
  }'

Exemplo: 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
  }'

Lendo o resultado

{
  "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] contém a transcrição em texto simples. A saída estruturada — tempos, locutores, idioma detectado — fica em stt_result.

Fornecendo a entrada de áudio

Os campos de entrada de áudio aceitam uma URL HTTPS pública ou um data URI em Base64. Entradas em Base64 são armazenadas automaticamente e substituídas por uma URL antes de a requisição chegar ao modelo.

Para arquivos locais, faça o upload primeiro e use a URL retornada:

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

Consulte Enviar arquivos para limites e detalhes.

Cobrança

Os modelos de áudio são cobrados de uma destas três formas, dependendo do modelo:

Tarefas que falham não são cobradas. Para modelos cobrados por duração de saída, um valor é retido no envio da tarefa e liquidado contra a duração real na conclusão.

Use o endpoint de preços para obter um orçamento exato antes de gerar e consulte Cobrança por modelo para exemplos resolvidos.

Encontrando modelos de áudio

O catálogo de modelos muda com frequência. Em vez de fixar uma lista no código, filtre o catálogo por tipo:

• Navegue pela Biblioteca de Modelos e filtre por Text-to-Audio ou Audio-to-Text
• Ou liste-os a partir de um agente com o Servidor MCP usando atlas_list_models com type="Audio"

Os parâmetros exatos de cada modelo são publicados na própria página de referência de API dele, em Model endpoints.

Relacionado