ARouter는 세 가지 모드에서 포괄적인 오디오 지원을 제공합니다: 음성 텍스트 변환（전사 및 번역）, 텍스트 음성 변환（TTS）, 오디오 채팅（오디오 입력을 받아 음성 출력을 생성하는 멀티모달 모델）.
오디오 전사
OpenAI 호환 /v1/audio/transcriptions 엔드포인트를 사용하여 오디오 파일을 텍스트로 전사합니다.
curl https://api.arouter.ai/v1/audio/transcriptions \
-H "Authorization: Bearer lr_live_xxxx" \
-F file="@audio.mp3" \
-F model="openai/whisper-large-v3"
from openai import OpenAI
client = OpenAI(base_url="https://api.arouter.ai/v1", api_key="lr_live_xxxx")
with open("audio.mp3", "rb") as audio_file:
transcription = client.audio.transcriptions.create(
model="openai/whisper-large-v3", file=audio_file, response_format="text"
)
print(transcription.text)
import OpenAI from "openai";
import fs from "fs";
const client = new OpenAI({ baseURL: "https://api.arouter.ai/v1", apiKey: "lr_live_xxxx" });
const transcription = await client.audio.transcriptions.create({
model: "openai/whisper-large-v3", file: fs.createReadStream("audio.mp3"), response_format: "text"
});
console.log(transcription.text);
curl https://api.arouter.ai/v1/audio/transcriptions \
-H "Authorization: Bearer lr_live_xxxx" \
-F file="@audio.mp3" \
-F model="openai/whisper-large-v3" \
-F response_format="text"
전사 파라미터
| 파라미터 | 타입 | 설명 |
|---|
file | file | 전사할 오디오 파일. 지원 형식: flac, mp3, mp4, mpeg, mpga, m4a, ogg, wav, webm |
model | string | 모델 ID（예: openai/whisper-large-v3） |
language | string | BCP-47 언어 코드（예: "en", "ko"）. 지정하면 정확도가 향상됩니다. |
prompt | string | 전사 스타일을 안내하거나 어휘 힌트를 제공하는 선택적 텍스트 |
response_format | string | 출력 형식: json（기본값）, text, srt, verbose_json, vtt |
temperature | number | 샘플링 온도 0–1. 값이 높을수록 무작위성이 증가합니다. |
timestamp_granularities | string[] | 타임스탬프 출력 세분화: ["word"] 또는 ["segment"]（verbose_json 필요） |
단어 수준 타임스탬프
transcription = client.audio.transcriptions.create(
model="openai/whisper-large-v3", file=audio_file,
response_format="verbose_json", timestamp_granularities=["word"]
)
for word in transcription.words:
print(f"{word.start:.2f}s - {word.end:.2f}s: {word.word}")
오디오 번역
모든 언어의 오디오를 영어 텍스트로 번역합니다:
with open("foreign_audio.mp3", "rb") as audio_file:
translation = client.audio.translations.create(
model="openai/whisper-large-v3", file=audio_file, response_format="text"
)
print(translation.text)
curl https://api.arouter.ai/v1/audio/translations \
-H "Authorization: Bearer lr_live_xxxx" \
-F file="@foreign_audio.mp3" \
-F model="openai/whisper-large-v3"
텍스트 음성 변환
텍스트를 자연스러운 음성으로 변환합니다:
response = client.audio.speech.create(
model="openai/tts-1-hd", voice="nova",
input="Hello! Welcome to ARouter, the universal AI gateway."
)
response.stream_to_file("output.mp3")
import fs from "fs";
const response = await client.audio.speech.create({
model: "openai/tts-1-hd", voice: "nova",
input: "Hello! Welcome to ARouter, the universal AI gateway."
});
const buffer = Buffer.from(await response.arrayBuffer());
fs.writeFileSync("output.mp3", buffer);
curl https://api.arouter.ai/v1/audio/speech \
-H "Authorization: Bearer lr_live_xxxx" \
-H "Content-Type: application/json" \
-d '{"model": "openai/tts-1-hd", "input": "Hello! Welcome to ARouter.", "voice": "nova"}' \
--output output.mp3
TTS 파라미터
| 파라미터 | 타입 | 설명 |
|---|
model | string | TTS 모델（예: openai/tts-1 또는 openai/tts-1-hd） |
input | string | 합성할 텍스트. 최대 4,096자. |
voice | string | 사용할 음성: alloy, echo, fable, onyx, nova, shimmer |
response_format | string | 오디오 형식: mp3（기본값）, opus, aac, flac, wav, pcm |
speed | number | 재생 속도 0.25에서 4.0（기본값 1.0） |
사용 가능한 음성
| 음성 | 특성 |
|---|
alloy | 중립적, 균형 잡힌 |
echo | 부드럽고 사려 깊은 |
fable | 표현력 있는, 스토리텔링 |
onyx | 깊고 권위 있는 |
nova | 친근하고 활기찬 |
shimmer | 따뜻하고 부드러운 |
오디오 채팅（멀티모달 모델）
일부 모델은 채팅 메시지 입력으로 오디오를 직접 받아 음성 오디오로 응답할 수 있습니다.
오디오 입력
{
"model": "openai/gpt-5.4-audio-preview",
"messages": [{
"role": "user",
"content": [{"type": "input_audio", "input_audio": {"data": "<base64-encoded-audio>", "format": "wav"}}]
}]
}
지원되는 입력 오디오 형식
| 형식 | MIME 타입 |
|---|
wav | audio/wav |
mp3 | audio/mpeg |
ogg | audio/ogg |
flac | audio/flac |
m4a | audio/m4a |
webm | audio/webm |
오디오 출력
모델 응답의 일부로 음성 오디오를 요청합니다:
{
"model": "openai/gpt-5.4-audio-preview",
"modalities": ["text", "audio"],
"audio": {"voice": "nova", "format": "mp3"},
"messages": [{"role": "user", "content": "Tell me a short joke."}]
}
지원 모델
음성 텍스트 변환
| 모델 | 언어 | 비고 |
|---|
openai/whisper-large-v3 | 99개 이상 | 최고 정확도 |
openai/whisper-large-v3-turbo | 99개 이상 | 더 빠르고 저렴 |
텍스트 음성 변환
| 모델 | 품질 | 지연 시간 |
|---|
openai/tts-1 | 표준 | 낮음 |
openai/tts-1-hd | 높음 | 보통 |
Token 가격
오디오 Token은 usage.prompt_tokens_details에서 별도로 추적됩니다:
{
"usage": {
"prompt_tokens": 150,
"prompt_tokens_details": {"audio_tokens": 100, "cached_tokens": 0},
"completion_tokens": 50,
"completion_tokens_details": {"audio_tokens": 30}
}
}
오디오 Token은 텍스트 Token과 다른 요금이 적용됩니다. 각 요청의 실제 비용은 응답의 usage.cost를 확인하세요.
