音频

文本转语音和语音转文字端点。

认证

两种方式均支持 — 所有请求通过 x402 链上结算：

方式	Header	描述
API Key	`Authorization: Bearer sk-...`	平台自动从你的 HD 钱包签名 x402
私钥（x402）	通过 SDK 自动	Agent 直接从自身钱包签名 x402

详见 Agent 支付（x402）了解完整详情。

文本转语音

POST /v1/audio/speech

将文本转换为语音音频。

请求

json

{
  "model": "auto/tts",
  "input": "你好，欢迎来到 JarvisClaw！",
  "voice": "sarah"
}

参数

参数	类型	必填	描述
`model`	string	否	TTS 模型 ID（默认: `elevenlabs/flash-v2.5`）。见下方可用模型
`input`	string	是	要合成的文本（最大长度取决于模型 — 见表格）
`voice`	string	否	音色别名（如 `sarah`, `george`, `charlie`, `charlotte`, `aria`）或原始 ElevenLabs `voice_id`。默认: `sarah`
`instructions`	string	否	系统级指令用于指导语音风格。需要 OpenAI TTS 模型；当前清单中没有此类模型，故下表 ElevenLabs 模型会忽略该参数
`response_format`	string	否	音频格式: `mp3`（默认）, `opus`, `pcm`, `wav`
`speed`	float	否	播放速度（0.7 到 1.2）。默认: `1.0`
`stream_format`	string	否	流式格式。设为 `sse` 启用音频块的 Server-Sent Events 流式传输
`metadata`	object	否	可选元数据

响应

返回 JSON，音频链接在 data[0].url：

json

{
  "created": 1782225665,
  "model": "elevenlabs/flash-v2.5",
  "data": [
    { "url": "https://cdn.jarvisclaw.ai/media/media/audios/2026/06/23/QshFG9Df.mp3", "format": "mp3", "characters": 74 }
  ]
}

从 data[0].url 下载音频文件（CDN 托管，保留 48 小时）。SDK 的 speech() 会自动跟随该链接并返回字节流。

可用模型

模型	价格	最大输入	适用场景
`elevenlabs/flash-v2.5`（默认）	$0.05/千字符	40,000 字符	实时语音 Agent（约 75ms 延迟）
`elevenlabs/turbo-v2.5`	$0.05/千字符	40,000 字符	质量与延迟均衡
`elevenlabs/multilingual-v2`	$0.12/千字符	10,000 字符	录音棚级旁白
`elevenlabs/v3`	$0.12/千字符	5,000 字符	最高质量，最新模型
`elevenlabs/sound-effects`	$0.12/千字符	—	音效生成
`auto/tts`	不定	不定	自动选择最佳模型

OpenAI TTS 模型当前未上架

openai/tts-1、openai/tts-1-hd、openai/gpt-4o-mini-tts 不在当前模型清单内，请以 GET /v1/models 为准。instructions 参数依赖这些模型，因此在 ElevenLabs 上无效。

auto/tts 与 x402 钱包

实测中智能路由 TTS 对钱包直付（private_key）调用方结算失败。用自己的钱包付费时请显式指定 ElevenLabs 模型；API Key 调用不受影响。

SDK 示例

python

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api.jarvisclaw.ai/v1"
)

# 默认使用 ElevenLabs（更高质量，更长输入）
response = client.audio.speech.create(
    model="auto/tts",
    voice="sarah",
    input="你好世界！这是 JarvisClaw 文本转语音。"
)
response.stream_to_file("output.mp3")

python

from jarvisclaw import AudioClient

audio = AudioClient(api_key="sk-your-api-key")

# 文本转语音
audio.speak("你好世界！", voice="sarah", output="hello.mp3")

# 流式传输（适用于长文本）
for chunk in audio.speak_stream("很长的文本...", voice="george"):
    process(chunk)

python

from jarvisclaw import AudioClient

# x402 Agent 钱包 — 通过 Base 上的 USDC 按调用付费
audio = AudioClient(private_key="0x<evm-private-key>")

# 文本转语音
audio.speak("你好世界！", voice="sarah", output="hello.mp3")

package main

import (
    "context"
    "fmt"
    jc "github.com/api-jarvisclaw/go-sdk/v2"
)

func main() {
    ctx := context.Background()
    ac, _ := jc.NewAudioClient(jc.WithAPIKey("sk-your-api-key"))

    // 文本转语音
    data, _ := ac.Speak(ctx, "你好世界！",
        jc.WithVoice("sarah"), jc.WithAudioFormat("mp3"))
    fmt.Printf("音频大小: %d 字节\n", len(data))
}

bash

curl https://api.jarvisclaw.ai/v1/audio/speech \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "auto/tts",
    "input": "你好世界！",
    "voice": "sarah"
  }' \
  --output speech.mp3

语音转文字

POST /v1/audio/transcriptions

将音频转录为文本。兼容 OpenAI Whisper API。

请求

以 multipart/form-data 形式发送：

参数	类型	必填	描述
`file`	file	是	要转录的音频文件
`model`	string	是	必须为 `whisper-1`
`language`	string	否	语言提示（ISO 639-1 代码），如 `zh`, `en`
`response_format`	string	否	`json`（默认）, `text`, `srt`, `verbose_json`, `vtt`
`temperature`	float	否	采样温度（0 到 1）

响应

json

{
  "text": "转录后的文本内容..."
}

SDK 示例

OpenAI 兼容JarvisClaw SDK (API Key)JarvisClaw SDK (x402 Agent)cURL

python

from openai import OpenAI

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api.jarvisclaw.ai/v1"
)

with open("recording.mp3", "rb") as audio_file:
    transcript = client.audio.transcriptions.create(
        model="whisper-1",
        file=audio_file,
    )
    print(transcript.text)

python

from jarvisclaw import AudioClient

audio = AudioClient(api_key="sk-your-api-key")

# 转录音频文件
text = audio.transcribe("recording.mp3", model="whisper-1")
print(text)

# 使用语言提示以获得更好的准确率
text = audio.transcribe("recording.mp3", model="whisper-1", language="zh")
print(text)

python

from jarvisclaw import AudioClient

# x402 Agent 钱包 — 通过 Base 上的 USDC 按调用付费
audio = AudioClient(private_key="0x<evm-private-key>")

# 转录音频文件
text = audio.transcribe("recording.mp3", model="whisper-1")
print(text)

bash

curl https://api.jarvisclaw.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer sk-your-api-key" \
  -F file="@recording.mp3" \
  -F model="whisper-1"

音乐生成

POST /v1/audio/generations

使用 JarvisClaw SDK 从文本提示生成音乐。

SDK 示例

JarvisClaw SDK (API Key)JarvisClaw SDK (x402 Agent)Go (API Key)Go (x402 Agent)

python

from jarvisclaw import AudioClient

audio = AudioClient(api_key="sk-your-api-key")

# 从提示生成音乐
result = audio.music("欢快的电子音乐配合合成贝斯", model="auto/music")

# 保存生成的音乐
with open("track.mp3", "wb") as f:
    f.write(result.content)

# 仅器乐（无人声）
result = audio.music("平静的爵士钢琴", instrumental=True)
with open("jazz.mp3", "wb") as f:
    f.write(result.content)

python

from jarvisclaw import AudioClient

audio = AudioClient(private_key="0x<evm-private-key>")

# 生成音乐（默认等待完成）
result = audio.music("史诗管弦战斗主题", wait=True)
with open("epic.mp3", "wb") as f:
    f.write(result.content)

package main

import (
    "context"
    "fmt"
    jc "github.com/api-jarvisclaw/go-sdk/v2"
)

func main() {
    ctx := context.Background()
    ac, _ := jc.NewAudioClient(jc.WithAPIKey("sk-your-api-key"))

    // 生成音乐
    result, _ := ac.Music(ctx, "欢快的电子音乐配合合成贝斯")
    fmt.Printf("音乐 URL: %s\n", result.URL)
    fmt.Printf("任务 ID: %s, 状态: %s\n", result.ID, result.Status)
}

package main

import (
    "context"
    "fmt"
    jc "github.com/api-jarvisclaw/go-sdk/v2"
)

func main() {
    ctx := context.Background()

    // x402 Agent 钱包
    ac, _ := jc.NewAudioClient(jc.WithPrivateKey("0x<evm-private-key>"))

    result, _ := ac.Music(ctx, "平静的爵士钢琴")
    fmt.Printf("音乐 URL: %s\n", result.URL)
}

注意事项

最大音频文件大小: 25 MB
支持的音频格式: mp3, mp4, mpeg, mpga, m4a, wav, webm
单次 TTS 合成支持最多 40,000 字符（ElevenLabs）或 4,096 字符（OpenAI）

音频 ​

认证 ​

文本转语音 ​

请求 ​

参数 ​

响应 ​

可用模型 ​

SDK 示例 ​

语音转文字 ​

请求 ​

响应 ​

SDK 示例 ​

音乐生成 ​

SDK 示例 ​

注意事项 ​

音频

认证

文本转语音

请求

参数

响应

可用模型

SDK 示例

语音转文字

请求

响应

SDK 示例

音乐生成

SDK 示例

注意事项