Build with Audexum.
REST API. Bearer auth. JSON in, WAV/MP3/OGG/Opus out. Streaming and webhooks included.
Удостоверяване
Генерирайте API ключ от Настройки за разработчици. Изпращайте го като Bearer токен при всяко заявка.
Authorization: Bearer sk_live_•••••••••••••••••••••••••••••••••POST/api/synthesize
Генерирайте аудио от текст. По подразбиране връща audio/wav (44,1 kHz, 16-bit PCM, моно). Използвайте format за MP3/OGG/Opus или stream=true за нискозакъснително поточно предаване на части.
# The shortest call there is. No backend named, so you get
# V3 Expressive on the Atlas voice — our most expressive engine.
curl -X POST https://audexum.com/api/synthesize \
-H "Authorization: Bearer sk_live_..." \
-H "Content-Type: application/json" \
-d '{"text": "Hello world"}' \
--output hello.wav
# V2 Multilingual, where speed and steps apply and 32 languages are available.
curl -X POST https://audexum.com/api/synthesize \
-H "Authorization: Bearer sk_live_..." \
-H "Content-Type: application/json" \
-d '{
"text": "Hello world",
"backend": "v2",
"voice": "M1",
"lang": "en",
"speed": 1.05,
"steps": 8
}' \
--output hello.wavТяло на заявката
Нива на гласовете
Изберете ниво с backend. Всяко ниво има собствени гласове и множител на кредитите за всеки знак. Изпращането на непознат глас за дадено ниво връща 400.
Ако пропуснете backend нивото, то се определя автоматично: V2 глас (F1..F5, M1..M5) ви оставя на V2 Multilingual, избирането на V3 глас активира V3 Expressive, а ако не посочите нито един, получавате V3 Expressive приAtlas. Съществуващите интеграции, които изпращат самоглас , не се засягат и запазват таксата от множителя на съответното си ниво.
| backend | ниво | цена | гласове |
|---|---|---|---|
| v1 | V1 Instant: бърз, ориентиран към английския език | 1× | Вижте /api/voices |
| v2 | V2 Multilingual: 32 езика, включително български | 1.5× | F1..F5, M1..M5 |
| v3 | V3 Expressive: най-изразителен, с емоции и стил | 2× | Atlas, Reid, Sage, Kai, Cole, Ivy, Mira, Elle, Nova |
# V3 Expressive — most expressive tier, with an optional style prompt
curl -X POST https://audexum.com/api/synthesize \
-H "Authorization: Bearer sk_live_..." \
-H "Content-Type: application/json" \
-d '{
"text": "We shipped it. Finally.",
"backend": "v3",
"voice": "Atlas",
"instruct": "warm, relieved, unhurried"
}' \
--output ultra.wavЗаглавки на отговора
Формати на изхода (OGG / Opus / MP3)
Добавете "format": "ogg" (или mp3 / opus), за да получите прекодиран отговор. Квотата е еднаква независимо от формата. Водният знак AudioSeal се запазва при MP3 кодиране.
# OGG/Opus — smallest file size, best for streaming/web
curl -X POST https://audexum.com/api/synthesize \
-H "Authorization: Bearer sk_live_..." \
-H "Content-Type: application/json" \
-d '{"text": "Hello", "voice": "M1", "lang": "en", "format": "ogg"}' \
--output hello.ogg
# MP3 — maximum compatibility
curl -X POST https://audexum.com/api/synthesize \
-H "Authorization: Bearer sk_live_..." \
-H "Content-Type: application/json" \
-d '{"text": "Hello", "voice": "M1", "lang": "en", "format": "mp3"}' \
--output hello.mp3import requests
r = requests.post(
"https://audexum.com/api/synthesize",
headers={"Authorization": "Bearer sk_live_..."},
json={"text": "Hello world", "voice": "M1", "lang": "en", "format": "ogg"},
)
r.raise_for_status()
with open("hello.ogg", "wb") as f:
f.write(r.content)
# Content-Type: audio/ogg| format | Content-Type | Кодек |
|---|---|---|
| wav | audio/wav | PCM 16-bit, 44,1 kHz (без прекодиране) |
| mp3 | audio/mpeg | libmp3lame VBR ~192 kbps |
| ogg | audio/ogg | libopus 96 kbps, 48 kHz |
| opus | audio/opus | libopus 96 kbps, 48 kHz (Ogg контейнер) |
Стрийминг TTS
Добавете "stream": true за да получавате аудио по време на генерирането. Отговорът е поток от chunked transfer, съдържащ съединени WAV файлове. Всеки chunk е пълен, валиден WAV файл (44-байтов RIFF header + PCM), така че можете да започнете възпроизвеждането веднага. Квотата се резервира предварително за целия текст, както при заявка без стрийминг. Стриймингът изисква format=wav (по подразбиране).
curl -X POST https://audexum.com/api/synthesize \
-H "Authorization: Bearer sk_live_..." \
-H "Content-Type: application/json" \
-d '{"text": "Sentence one. Sentence two. Sentence three.", "voice": "M1", "lang": "en", "stream": true}' \
--no-buffer --output - | ffplay -nodisp -i pipe:0import requests
with requests.post(
"https://audexum.com/api/synthesize",
headers={"Authorization": "Bearer sk_live_..."},
json={
"text": "First sentence. Second sentence. Third one.",
"voice": "M1",
"lang": "en",
"stream": True,
},
stream=True,
) as r:
r.raise_for_status()
with open("streamed.wav", "wb") as f:
for chunk in r.iter_content(chunk_size=None):
f.write(chunk)
# Each yielded chunk is a standalone WAV file (header + PCM).
# Concatenating them produces valid gapless audio.wav. Закъснението до първата част се записва в сървъра. Заглавният ред на отговора X-Stream: 1 потвърждава режима на поточно предаване.POST/api/transcribe
Транскрибирайте реч в текст. Изпращайте аудиото като multipart/form-data. Изисква неограничен ключ (ключовете за widget са ограничени до /api/synthesize). Таксува се с 200 кредита за минута аудио.
curl -X POST https://audexum.com/api/transcribe \
-H "Authorization: Bearer sk_live_..." \
-F "[email protected]" \
-F "timestamps=true"Полета на формуляра
| Поле | Бележки |
|---|---|
| audio | Задължително. Аудио файл audio/*, до 25 MB и 600 секунди. |
| timestamps | Незадължителна булева стойност. Включване на начално/крайно време за всеки сегмент. |
| vocabulary | Незадължително. До 2000 знака от домейнови термини за насочване на разпознаването. |
| clean / mode | Незадължително. Обработете транскрипта след това (clean, email, professional, bullets, concise). |
Отговор
{
"text": "Full transcript…",
"duration_s": 12.3,
"transcribe_ms": 480,
"segments": [{ "start": 0.0, "end": 3.2, "text": "…" }],
"raw_text": "…", // present only when a clean/transform mode was requested
"mode": "clean"
}POST/v1/audio/transcriptions
Съвместим с OpenAI speech-to-text. Инструмент, който позволява промяна на основния URL адрес на OpenAI, може да използва Audexum, като го зададе на https://audexum.com/v1, без промяна в кода. Използва същия engine и същото billed as /api/transcribe: 200 кредита за минута аудио. Изпратете multipart/form-data.
Удостоверяването е Authorization: Bearer sk_live_…. Създайте ключа в Настройки за разработчици (необходимо е вход). Използвайте секретен sk_live_ ключ; ограничените widget ключове тук получават 403.
curl https://audexum.com/v1/audio/transcriptions \
-H "Authorization: Bearer sk_live_..." \
-F [email protected] \
-F model=whisper-1 \
-F language=bg \
-F response_format=json
# {"text": "…"}from openai import OpenAI
client = OpenAI(api_key="sk_live_...", base_url="https://audexum.com/v1")
with open("recording.mp3", "rb") as f:
result = client.audio.transcriptions.create(
model="whisper-1",
file=f,
language="bg", # optional; omit to auto-detect
)
print(result.text)Полета на формуляра
verbose_json
Сегмент start/end идват от двигателя. Времената на думите (timestamp_granularities[]=word) са изчислени: временният обхват на всеки сегмент се разпределя между думите според дължината им в знаци. Те не са изравнени принудително. Всеки сегмент съдържа words ключ, който е празен, освен ако не сте поискали думи.
{
"task": "transcribe",
"language": "bg", // echo of the request; "auto" when omitted
"duration": 12.3,
"text": "Full transcript…",
"segments": [
{ "id": 0, "start": 0.0, "end": 3.2, "text": "…", "words": [] }
]
}Не се поддържа
POST /v1/audio/translationsвръща 405.- Транскрибиране в реално време и Realtime API.
Грешки
| Код | Тяло |
|---|---|
| 400 | {"detail": "audio_too_short"} · "no_speech_detected" · "clip_too_long: max 600s per request" |
| 401 | {"detail": "authentication_required"}: missing or invalid key |
| 402 | {"detail": {"error": "insufficient_credits", …}}: full body below |
| 403 | {"detail": "email_not_verified"}: verify the account's email address |
| 405 | {"detail": "Method Not Allowed"}: /v1/audio/translations |
| 413 | {"detail": "audio_too_large"}: file over 25 MB |
| 415 | {"detail": "unsupported_media_type"}: file part is not audio |
// 402 — the balance cannot cover this file
{
"detail": {
"error": "insufficient_credits",
"plan_tier": "free",
"monthly_grant": 250,
"monthly_used": 250,
"pack_credits": 0,
"requested": 41,
"upgrade_url": "/pricing",
"offer": {
"reason": "insufficient_credits",
"headline": "You are out of credits",
"detail": "This request needs 41 credits. …",
"plan": { "tier": "pro", "price_eur": 29, "credits_per_month": 1200000 },
"actions": [
{ "kind": "upgrade", "label": "Upgrade to Pro — €29/mo", "url": "https://audexum.com/r/402" },
{ "kind": "pack", "label": "Buy 250,000 credits — €7", "url": "https://audexum.com/pricing#packs" }
]
}
}
}POST/api/batch
Изпращайте до 50 текста в една заявка. Изчакайте завършването, след което изтеглете ZIP файл.
# submit
curl -X POST https://audexum.com/api/batch \
-H "Authorization: Bearer sk_live_..." \
-H "Content-Type: application/json" \
-d '{"texts": ["one", "two"], "voice": "F2", "lang": "en"}'
# poll
curl -H "Authorization: Bearer sk_live_..." \
https://audexum.com/api/batch/$JOB_ID
# download once status=done
curl -H "Authorization: Bearer sk_live_..." \
https://audexum.com/api/batch/$JOB_ID/download -OWebhooks
Настройте крайна точка за webhook във вашия Настройки за разработчици за да получавате подписани POST известия. Изпращаме JSON с X-Audexum-Signature header. Проверете го преди обработката.
Формат на payload
{
"event": "quota.warning_80",
"data": {
"monthly_grant": 3000,
"monthly_used": 24000,
"monthly_remaining": 6000,
"overage_enabled": false,
"plan_tier": "free",
"period_end": "2026-06-30"
},
"timestamp": "2026-06-12T14:22:00.000000+00:00"
}Събития
Проверка на подписа
Всяко изпращане включва X-Audexum-Signature: sha256=<hex>, изчисен като HMAC-SHA256 върху необработените данни на заявката, с използване на вашия webhook secret.
import hashlib, hmac
def verify_signature(body: bytes, secret: str, sig_header: str) -> bool:
expected = "sha256=" + hmac.new(
secret.encode(), body, hashlib.sha256
).hexdigest()
return hmac.compare_digest(expected, sig_header)
# In your FastAPI/Flask/Django handler:
# body = await request.body()
# sig = request.headers["X-Audexum-Signature"]
# if not verify_signature(body, WEBHOOK_SECRET, sig):
# return 401# Configure endpoint (session auth — browser only)
curl -X PUT https://audexum.com/api/account/webhook \
-H "Cookie: audexum_session=..." \
-H "X-Requested-With: XMLHttpRequest" \
-H "Content-Type: application/json" \
-d '{"url": "https://your-server.com/webhooks/audexum"}'
# Response contains secret — store it, shown once only.
# Remove endpoint
curl -X DELETE https://audexum.com/api/account/webhook \
-H "Cookie: audexum_session=..." \
-H "X-Requested-With: XMLHttpRequest"Грешки
| Код | Значение |
|---|---|
| 400 | Невалидна заявка: невалиден voice/lang, празен текст или стрийминг с не-wav формат |
| 401 | Липсващ или невалиден API ключ |
| 402 | insufficient_credits: Месечната квота е надхвърлена; вижте /api/usage и /pricing за варианти за надграждане |
| 402 | feature_gated: Функцията изисква по-висок план (вижте error.feature и error.min_tier) |
| 422 | Невалиден webhook URL (не е HTTPS, частен IP адрес или не може да бъде разрешен) |
| 429 | Твърде много заявки: намалете честотата на заявките и опитайте отново |
| 503 | Сървърът е зает (постигнат е лимитът за едновременни заявки): опитайте отново с експоненциално забавяне; спазвайте Retry-After |
Ограничения на честотата и справедливо използване
- Споделен лимит за едновременни заявки: заявките над него получават 503 + Retry-After
- Продължително злоупотребяване с честотата на заявките може да бъде ограничено (честна употреба)
- Месечна квота кредити според нивото на плана ви
- Свържете се с нас за специален капацитет или PAYG
Имате проблем? Пишете на [email protected].