NB文档doc.nbjs.ai
AI 网关 / 语音与字幕

语音与字幕

TTS 和 ASR 都支持返回带时间轴的 SRT 字幕。

TTS:文字转音频

curl -X POST https://ai.nbjs.ai/v1/audio/speech \
  -H "authorization: Bearer $AI_KEY" \
  -H "content-type: application/json" \
  -d '{"input":"你好,欢迎使用 NBJS 平台。","srt":true}'

srt=true 返回 JSON:

{
  "model": "cosyvoice-v2",
  "voice": "longxiaochun_v2",
  "audio_url": "https://...mp3",
  "srt": "1\n00:00:00,000 --> 00:00:02,400\n你好,欢迎使用NBJS平台\n",
  "cost": 0.000448
}

srt=false 直接返回音频字节,content-type: audio/mpeg。

ASR:音频转文字

音频可以用公网 URL、base64,或 multipart 上传。

curl -X POST https://ai.nbjs.ai/v1/audio/transcriptions \
  -H "authorization: Bearer $AI_KEY" \
  -H "content-type: application/json" \
  -d '{"audio_url":"https://example.com/a.wav","language":"zh","srt":true}'

返回:

{
  "model": "fun-asr-flash-2026-06-15",
  "text": "识别出的文字",
  "srt": "1\n00:00:04,160 --> 00:00:06,560\n...",
  "cost": 0.000333
}

response_format

值返回
默认 / jsonJSON,含 text,srt=true 时含 srt
text纯文本
srt纯 SRT
verbose_jsonJSON,额外返回 sentences

字幕规则

词级时间戳拼接,中文之间不加空格,英文单词之间加空格,每条约 16 字或 4.5 秒。NBJS 这类被百炼拆成单字母的词会重新拼成一串。