NearToken

外观

语音与向量 ​

语音与向量走 OpenAI 兼容路径，路径都在 /v1 下。

语音合成 ​

bash
curl -sS -X POST "$BASE_URL/audio/speech" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-3.8-flash-tts",
    "input": "今天天气不错，适合出门散步。",
    "voice": "Kore",
    "response_format": "mp3"
  }' \
  -o speech.mp3
参数必填说明
model是语音合成模型，见下表
input是要朗读的文本
voice否音色名，取值以模型支持为准
response_format否mp3、wav、opus 等
speed否语速倍数，模型不支持时会被忽略

语音合成按字符或按次计费，具体以控制台模型广场为准。

语音转写 ​

bash
curl -sS -X POST "$BASE_URL/audio/transcriptions" \
  -H "Authorization: Bearer $API_KEY" \
  -F "file=@./meeting.mp3" \
  -F "model=gemini-3.5-transcribe"

响应是标准的 {"text": "..."}。POST /v1/audio/translations 也是转写，语义上是翻译成英文，模型是否支持以实际返回为准。

file 用 multipart 上传，单文件大小限制由服务端决定，过大的文件先切分。

向量 ​

bash
curl -sS -X POST "$BASE_URL/embeddings" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-embedding-001",
    "input": ["第一段文本", "第二段文本"]
  }'

input 可以是字符串或字符串数组，返回的 data[i].embedding 与输入顺序一致。dimensions 只在模型支持自定义维度时有效。

也可以用 Gemini 原生路径：

bash
curl -sS -X POST "$BASE_URL/engines/gemini-embedding-001/embeddings" \
  -H "Authorization: Bearer $API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"content": {"parts": [{"text": "第一段文本"}]}}'

可选模型 ​

模型能力
gemini-3.8-flash-tts / gemini-3.8-flash-lite-tts语音合成
gemini-3.1-flash-tts-preview语音合成
gemini-2.5-flash-preview-tts / gemini-2.5-pro-preview-tts语音合成
gemini-3.5-transcribe语音转写
gemini-embedding-001 / gemini-embedding-2 / gemini-embedding-2-preview文本向量

全部需要令牌具备以下之一：

语音合成 TTS低价0.3x语音转文字 ASR低价1xGemini 向量模型AIS1x

NearToken