音频模型
TTS 语音合成 / STT 语音识别 / 声音翻译 / 音效生成 —— OpenAI Audio API 兼容。
此接口即将上线
预计 2026 Q3 发布。 当前阶段 Swarmix 聚焦文本对话（OpenAI 兼容 /v1/chat/completions）， 其他模态与协议会按路线图顺序开放。
对标 OpenAI 接口
上线后将以 /v1/audio/speech · /v1/audio/transcriptions · /v1/audio/translations 路径 + 标准 OpenAI JSON 结构对外暴露， 现有调用 OpenAI 的代码只需切换 base_url 即可迁移。
路由方式
统一 OpenAI Audio 协议对外，按 model 路由到对应的 TTS / ASR 引擎。文件上传走 multipart/form-data。
将支持的模型提供方
- CosyVoice（TTS，多音色克隆）
- 字节系 TTS / ASR 引擎
- Kling · 文生音效 / 视频生音效 / 语音合成
- 混元音频
想抢先体验？
在等待期间可以做什么
这个接口的能力（比如"向量嵌入"用于 RAG / 语义检索）在业界已经成熟。 你可以先基于 已上线的 Chat Completions 接口 做 POC，等 Swarmix 开通后一行代码切到统一入口，获得统一鉴权、计费和请求日志。