Audio (voix et transcription)

Deux points d’accès au format de l’API Audio d’OpenAI : l’un transforme un texte en voix, l’autre un enregistrement en texte. Le son envoyé est lu en mémoire et n’est jamais écrit sur nos serveurs. Moon Blur ne s’applique ni au texte lu ni à l’audio (X-Moon-Blur: not_applied).

Lire un texte à voix haute#Lien vers la section Lire un texte à voix haute

POST https://api.realmoon.ai/v1/audio/speech

• Authentification : clé sk-moon-… avec la portée inference (voir Authentification).
• Corps : JSON, 256 Ko au plus.
• Réponse : le fichier audio lui-même.

Paramètres#Lien vers la section Paramètres

Tout autre paramètre est refusé avec 400 unknown_parameter.

Exemple#Lien vers la section Exemple

curl https://api.realmoon.ai/v1/audio/speech \
  -H "Authorization: Bearer $MOONAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model": "mistralai/voxtral-mini-tts-2603", "voice": "fr_marie_neutral", "input": "Bonjour et bienvenue."}' \
  -o bonjour.mp3

import os
from openai import OpenAI

client = OpenAI(base_url="https://api.realmoon.ai/v1", api_key=os.environ["MOONAI_API_KEY"])

with client.audio.speech.with_streaming_response.create(
    model="mistralai/voxtral-mini-tts-2603",
    voice="fr_marie_neutral",
    input="Bonjour et bienvenue.",
) as response:
    print("Crédits :", response.headers.get("x-moon-credits"))
    response.stream_to_file("bonjour.mp3")

import fs from 'node:fs';
import OpenAI from 'openai';

const client = new OpenAI({ baseURL: 'https://api.realmoon.ai/v1', apiKey: process.env.MOONAI_API_KEY });

const speech = await client.audio.speech.create({
  model: 'mistralai/voxtral-mini-tts-2603',
  voice: 'fr_marie_neutral',
  input: 'Bonjour et bienvenue.',
});
fs.writeFileSync('bonjour.mp3', Buffer.from(await speech.arrayBuffer()));

Réponse#Lien vers la section Réponse

Le corps de la réponse est le fichier audio :

Modèles de voix#Lien vers la section Modèles de voix

Liste au 5 novembre 2026 ; la liste à jour, avec les prix, vient de GET /v1/models?type=speech.

Coûts#Lien vers la section Coûts

La plupart des voix sont facturées au caractère du texte lu (billing: per_character). Les voix Gemini sont facturées sur le texte envoyé et sur la durée du son réellement produit. La requête retient le prix du texte avant l’appel ; une requête qui échoue ou que notre délai coupe ne coûte rien.

Erreurs#Lien vers la section Erreurs

Transcrire un enregistrement#Lien vers la section Transcrire un enregistrement

POST https://api.realmoon.ai/v1/audio/transcriptions

• Authentification : clé sk-moon-… avec la portée inference.
• Corps : multipart/form-data seulement, avec l’en-tête Content-Length. Le fichier va dans le champ file.
• Réponse : la transcription, en JSON ou en texte.

Paramètres#Lien vers la section Paramètres

Tout autre champ est refusé avec 400 unknown_parameter. Un enregistrement de plus de 20 minutes est refusé (400 audio_too_long) : découpez-le en morceaux. La durée d’un fichier compressé est comptée au moins d’après sa taille.

Exemple#Lien vers la section Exemple

curl https://api.realmoon.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $MOONAI_API_KEY" \
  -F model=mistralai/voxtral-mini-transcribe \
  -F language=fr \
  -F file=@reunion.m4a

with open("reunion.m4a", "rb") as audio:
    transcript = client.audio.transcriptions.create(
        model="mistralai/voxtral-mini-transcribe",
        file=audio,
        language="fr",
    )
print(transcript.text)

const transcript = await client.audio.transcriptions.create({
  model: 'mistralai/voxtral-mini-transcribe',
  file: fs.createReadStream('reunion.m4a'),
  language: 'fr',
});
console.log(transcript.text);

Réponse#Lien vers la section Réponse

{
  "text": "Bonjour à tous, on commence par le point budget.",
  "usage": { "type": "duration", "seconds": 312.4, "credits": 0 }
}

La valeur de credits est fictive.

Avec response_format: "text", la réponse est le texte seul, en text/plain. Dans tous les cas, l’en-tête X-Moon-Credits donne les crédits facturés, et X-Moon-Request-Id l’identifiant de la requête.

Modèles de transcription#Lien vers la section Modèles de transcription

Liste au 5 novembre 2026 ; la liste à jour, avec les prix à la minute, vient de GET /v1/models?type=transcription.

• mistralai/voxtral-mini-transcribe, mistralai/voxtral-mini-transcribe-3-0, mistralai/voxtral-small-transcribe-3-0
• openai/whisper-large-v3-turbo, openai/whisper-large-v3, openai/gpt-4o-mini-transcribe, openai/gpt-4o-transcribe
• elevenlabs/scribe-v2, deepgram/nova-3, assemblyai/universal-3-6-pro
• nvidia/parakeet-tdt-0.6b-v3, qwen/qwen3-asr-1.7b

Coûts#Lien vers la section Coûts

La transcription est facturée au coût réel annoncé par le fournisseur, selon la durée de l’audio (à défaut, au prix de la liste). Avant l’appel, la requête retient au moins le prix d’une minute, avec une marge. Une transcription qui échoue ne coûte rien.

Erreurs#Lien vers la section Erreurs

Les erreurs de clé, de solde et de plafonds, communes aux deux points d’accès, sont dans Erreurs.

Limites#Lien vers la section Limites

Voir aussi#Lien vers la section Voir aussi

• Modèles : les champs default_voice, response_formats et max_file_mb.
• Confidentialité : ce que Moon AI garde des requêtes audio.