Musique et audio

Les modèles de musique et à sortie audio (Lyria 3, GPT Audio et d'autres) n'ont pas d'endpoint dédié : vous les appelez via les Chat completions et demandez une sortie audio avec modalities. L'audio généré revient encodé en base64 dans le message de l'assistant.

POST https://api14.com/api/v1/chat/completions

Requête

Tous les paramètres des chat completions s'appliquent. Ceux propres à l'audio :

Exemple

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://api14.com/api/v1",
  apiKey: process.env.API14_API_KEY,
});

const result = await client.chat.completions.create({
  "model": "google/lyria-3",
  "messages": [
    {
      "role": "user",
      "content": "Explain vector databases in two sentences."
    }
  ]
});
console.log(result.choices[0].message.content);

Une requête brute :

{
  "model": "google/lyria-3",
  "modalities": ["text", "audio"],
  "messages": [
    { "role": "user", "content": "A 30-second lo-fi hip hop loop with soft piano and vinyl crackle." }
  ]
}

Réponse

{
  "id": "gen-1791100000-xyz",
  "object": "chat.completion",
  "model": "google/lyria-3",
  "choices": [
    {
      "index": 0,
      "message": {
        "role": "assistant",
        "content": "Here is your loop.",
        "audio": { "id": "audio_01", "data": "UklGRiQAAABXQVZFZm10...", "format": "wav" }
      },
      "finish_reason": "stop"
    }
  ],
  "usage": { "prompt_tokens": 24, "completion_tokens": 1500, "total_tokens": 1524, "cost": 0.06 }
}

Décodez choices[0].message.audio.data depuis le base64 et enregistrez-le avec l'extension correspondant à format.

Audio en entrée

Pour envoyer de l'audio à un modèle (par ex. « résume cet enregistrement »), utilisez une partie de contenu input_audio, voir Vision et fichiers. Pour une simple reconnaissance vocale, la Transcription est plus simple et moins chère ; pour la synthèse vocale, utilisez Voix.

Lister les modèles audio

curl "https://api14.com/api/v1/models?category=audio"

Tarifs

Les modèles audio sont facturés à leur prix indiqué (par token audio, par seconde ou par requête, selon le modèle). Le coût exact figure dans usage.cost.

Erreurs

Voir Erreurs.