默认 zh-CN (中文)，支持 en-US (英语)、ja-JP (日语)、ko-KR (韩语) 等。费用说明：该接口按量计费，单价为 0.1元/分钟（视频时长），首次注册通常有免费额度（如10分钟），请留意账户余额。注意编码：请求头中明确要求了 charset:utf-8，请确保你的请求库或代码没有覆盖此设置，避免中文乱码。taskId: 任务ID，可用于轮询查询结果（如果是异步任务）。par

支持mp3、mp4、wav、webm、aac、flac、m4a、mov、mkv、ogg、opus、amr、avi、flv、mpeg、wma、wmr等十余种音视频格式，全网任意短视频分享链接直接传入URL即可解析；默认自动检测音频语种，覆盖主流商用语种：中文zh、英文en、日语ja、粤语yue、韩语ko、德语de、法语fr、俄语ru，跨境短视频、海外素材文案提取无压力。4. 基础元数据：taskId

本接口提供高精度的语音转文本（STT）服务，支持长音频、多语种识别及说话人分离，可快速将音频/视频文件转化为结构化文本数据。多格式兼容：支持mp3、wav、aac、m4a、flac等主流音频格式及mp4、mov、mkv等视频格式，最大支持2GB文件或12小时时长。"subtitle": "1n00:00:01,000 --> 00:00:03,000n我是一个草根。自动语言检测（默认），支持中、英

无论您是AI初创团队、科研高校还是大型企业，我们都能为您量身定制专属算力解决方案，让您告别高昂的硬件采购与运维烦恼，将精力100%聚焦于核心业务。前沿旗舰，大模型训练首选：配备80G A800、96G H20、80G A100等顶级企业级算力，专为千亿级参数大语言模型训练、复杂科学计算与高并发推理打造，提供无与伦比的并行计算能力。经典专业卡，稳定可靠：拥有32G V100S、24G P40等久经考

数字AI（Virtual AI）是结合人工智能、建模、语音、渲染等技术打造的**数字化虚拟智能形态**，常见有数字人、AI语音、虚拟助手、AI内容创作等，可模拟人的言行并实现各类交互与内容生产。普通大模型（ChatGPT、文心一言等）是数字AI：只处理文字、图片、代码，困在屏幕里，不懂重力、碰撞、用力、空间三维关系；物理AI（Physical AI），就是能看懂、理解真实物理世界规律，并且可以操控

数字AI（Virtual AI）是结合人工智能、建模、语音、渲染等技术打造的**数字化虚拟智能形态**，常见有数字人、AI语音、虚拟助手、AI内容创作等，可模拟人的言行并实现各类交互与内容生产。普通大模型（ChatGPT、文心一言等）是数字AI：只处理文字、图片、代码，困在屏幕里，不懂重力、碰撞、用力、空间三维关系；物理AI（Physical AI），就是能看懂、理解真实物理世界规律，并且可以操控

数字AI（Virtual AI）是结合人工智能、建模、语音、渲染等技术打造的**数字化虚拟智能形态**，常见有数字人、AI语音、虚拟助手、AI内容创作等，可模拟人的言行并实现各类交互与内容生产。普通大模型（ChatGPT、文心一言等）是数字AI：只处理文字、图片、代码，困在屏幕里，不懂重力、碰撞、用力、空间三维关系；物理AI（Physical AI），就是能看懂、理解真实物理世界规律，并且可以操控

2. 新手优先用：`select`(启动)、`play_once`(一键播报)、`interrupt`(打断)、`stop`(停止)2. 提交到直播队列：`POST /api/vocals/{vocal_id}/submit`3. 数字人没反应：先查状态`/player/status`，确保是`running`"audio_url": "你的音频在线地址", // 支持mp3/wav。参数：`au

接口名称：语音转文本 API 标准版，也可称为语音转文字接口、音频转文本 API 接口、录音转文本 API 接口、链接转文案 API 接口、视频转文字 API 接口、视频音频转文案 API 接口。“audio_url”：必填，类型为 string，示例值如 https://#/#.mp3 ，为音频 url 地址，限 post 请求，支持 mp3、wav、ogg 等音频格式。GET 请求示例：/ap