Live Voice Translator

Real-time speech-to-speech translation across 70+ languages. Send audio (MP3, WAV, PCM16, M4A, OGG) and get back translated audio plus transcripts in seconds

原始信息汇总

API 概述

Live Voice Translator 是一个实时语音到语音翻译 API，能够通过单次 API 调用实现音频翻译，无需单独串联语音识别、翻译和语音合成服务。

核心功能

• 实时语音翻译：支持 70+ 种语言（使用标准 BCP-47 代码），输入一种语言的音频，直接输出目标语言的语音。
• 多种音频格式支持：可发送 MP3、WAV、M4A、OGG、WebM 或原始 PCM16 格式的音频；输出支持 MP3 或 PCM16 格式。
• 附带文本转录：每次响应均包含原始音频的识别文本和翻译后的文本，便于显示字幕或记录对话。
• 快速响应：专为短语音片段设计（最长 20 秒），适合语音消息、应用内语音笔记和短语翻译。
• 多模态分析能力：API 不仅能处理文本，还能分析音频语调等，提供深度多模态洞察。

主要端点

• POST /v1/translate-file：主端点，发送完整音频片段，单次响应返回完整翻译结果。
• 会话流端点（进阶）：POST /v1/session/start、POST /v1/session/{id}/audio、POST /v1/session/{id}/end，适用于边录制边传输音频的场景。

请求与响应

• 请求字段：
  • audioBase64（必填）：Base64 编码的音频数据。
  • audioFormat（可选）：音频格式，默认 pcm16，支持 mp3、wav、m4a、ogg、webm 或 auto（自动检测）。
  • targetLanguageCode（必填）：目标语言 BCP-47 代码（如 id、en、es、ja、ko、zh-Hans 等）。
  • echoTargetLanguage（可选）：默认为 true，若输入音频已是目标语言则回传原音频。
  • outputFormat（可选）：输出音频格式，默认 pcm16，推荐 mp3。
• 响应字段：
  • translatedAudioBase64：Base64 编码的翻译后音频。
  • outputFormat：输出音频格式。
  • inputTranscript：原始音频的识别文本。
  • outputTranscript：翻译后的文本。

支持的语言

支持包括但不限于：印尼语、英语、西班牙语、葡萄牙语、法语、德语、意大利语、荷兰语、日语、韩语、普通话、粤语、阿拉伯语、印地语、孟加拉语、越南语、泰语、土耳其语、俄语、波兰语、乌克兰语、斯瓦希里语等 70+ 种语言。

使用限制

• 音频时长：每请求最长 20 秒，超时返回 413 错误。
• 请求大小：Base64 编码后最大 25MB。
• 语音特征：翻译后的语音会适配目标语言的自然音调，非原说话人音色的精确克隆。
• 免费用户：延迟约 50 秒或更长。

错误响应

状态码	含义
400	参数无效或音频解码失败
401	缺失或无效的 API 密钥
404	会话 ID 未知或已过期
413	音频超过 20 秒限制
502	上游翻译失败，响应包含 incidentId

订阅计划

提供 BASIC（$0.00/月）、PRO（$9.00/月）、ULTRA（$25.00/月）、MEGA（$85.00/月）四种套餐。