54 lines
2.3 KiB
Go
54 lines
2.3 KiB
Go
package dto
|
||
|
||
import "encoding/json"
|
||
|
||
// AudioRequest TTS/STT/翻译统一请求结构
|
||
type AudioRequest struct {
|
||
Model string `json:"model"`
|
||
Input string `json:"input,omitempty"` // TTS 输入文本
|
||
Voice string `json:"voice,omitempty"` // TTS 语音（alloy/echo/fable/onyx/nova/shimmer）
|
||
Instructions string `json:"instructions,omitempty"` // TTS 指令
|
||
ResponseFormat string `json:"response_format,omitempty"` // TTS 输出格式（mp3/opus/aac/flac/wav/pcm）
|
||
Speed *float64 `json:"speed,omitempty"` // TTS 速度（0.25-4.0）
|
||
StreamFormat string `json:"stream_format,omitempty"` // 流式音频格式
|
||
Language string `json:"language,omitempty"` // STT 源语言（可选）
|
||
Prompt string `json:"prompt,omitempty"` // STT 提示词（可选）
|
||
TimestampGranularities []string `json:"timestamp_granities,omitempty"` // STT 时间戳粒度（word/segment）
|
||
Metadata json.RawMessage `json:"metadata,omitempty"` // 自定义元数据
|
||
}
|
||
|
||
// AudioResponse STT/翻译响应
|
||
type AudioResponse struct {
|
||
Text string `json:"text"`
|
||
Language string `json:"language,omitempty"`
|
||
Duration float64 `json:"duration,omitempty"`
|
||
Words []WordSegment `json:"words,omitempty"`
|
||
Segments []Segment `json:"segments,omitempty"`
|
||
}
|
||
|
||
// WordSegment 词级别时间戳
|
||
type WordSegment struct {
|
||
Word string `json:"word"`
|
||
Start float64 `json:"start"`
|
||
End float64 `json:"end"`
|
||
}
|
||
|
||
// Segment 片段级别时间戳
|
||
type Segment struct {
|
||
ID int `json:"id"`
|
||
Seek int `json:"seek"`
|
||
Start float64 `json:"start"`
|
||
End float64 `json:"end"`
|
||
Text string `json:"text"`
|
||
}
|
||
|
||
// WhisperVerboseJSONResponse STT 详细响应格式（verbose_json）
|
||
type WhisperVerboseJSONResponse struct {
|
||
Task string `json:"task"`
|
||
Language string `json:"language"`
|
||
Duration float64 `json:"duration"`
|
||
Text string `json:"text"`
|
||
Segments []Segment `json:"segments"`
|
||
Words []WordSegment `json:"words,omitempty"`
|
||
}
|