Эндпоинт /v1/audio/speech превращает текст в аудиофайл (wav): озвучка интерфейсов, контента, автоответов. Обратная задача — /v1/audio/transcriptions расшифровывает аудио в текст (звонки, встречи, голосовые). Оплата TTS — за 1000 символов текста, ASR — за минуту аудио.
Модели TTS отличаются ценой за 1000 символов; распознавание — отдельные модели ASR по цене за минуту.
| Модель | Провайдер | Цена | Пробный ключ |
|---|---|---|---|
| Qwen ASR Flash qwen-audio-3.0-asr-flash | Qwen | 0,75 ₽ за минуту аудио | ✓ |
| Qwen TTS qwen-tts-2025-05-22 | Qwen | 2,25 ₽ за 1000 символов | — |
| Qwen3 TTS Flash qwen3-tts-flash | Qwen | 1,5 ₽ за 1000 символов | — |
| Qwen3 TTS Instruct qwen3-tts-instruct-flash | Qwen | 2,25 ₽ за 1000 символов | — |
curl https://tokventa.tech/v1/audio/transcriptions \
-H "Authorization: Bearer ВАШ_API_КЛЮЧ" \
-F model="qwen-audio-3.0-asr-flash" \
-F file="@audio.mp3"
# Ответ: {"text":"распознанный текст"}
from openai import OpenAI
client = OpenAI(api_key="ВАШ_API_КЛЮЧ", base_url="https://tokventa.tech/v1")
with open("audio.mp3", "rb") as f:
r = client.audio.transcriptions.create(model="qwen-audio-3.0-asr-flash", file=f)
print(r.text)Провайдеры: Qwen API · DeepSeek API · Kimi API · GLM API · MiniMax API · Все 89 моделей · Сравнение цен
Документация: Быстрый старт · Chat Completions · Стриминг · Коды ошибок