语音转换

Knox 在 https://api.knoxstudio.ai/v1 上为 KnoxStudio 提供与 ElevenLabs 兼容的**语音转换（Voice Changer / speech-to-speech）**接口。使用 Knox API key 认证（Authorization: Bearer sk-... 或 xi-api-key）。Knox 负责计费并向上游转发请求。https://api.knox.chat/v1 提供相同路由。

这不是 文本转语音，不是 gpt-realtime-2.1 的 实时语音，也不是 人声分离。语音转换接收源音频，用目标 voice_id 改写音色，同时保留情绪、节奏与表达。

典型流程：

1. 列出模型 — GET /v1/speech-to-speech/models
2. 从 音色 选择 voice_id（GET /v1/voices 或 GET /v2/voices）
3. 转换 — POST /v1/speech-to-speech/{voice_id}

https://api.knoxstudio.ai/v1
Authorization: Bearer sk-...

常用公开音色示例：21m00Tcm4TlvDq8ikWAM（Rachel）。

模型与计费

curl https://api.knoxstudio.ai/v1/speech-to-speech/models

model_id	用途	价格
eleven_multilingual_sts_v2	默认多语言变声	每音频分钟 $0.17
eleven_english_sts_v2	仅英语变声	每音频分钟 $0.17

上传最大 500MB。音频至少 100ms，最长 10 分钟。默认模型为 eleven_multilingual_sts_v2。

未认证的目录请求限制为每分钟 60 次，并且可能被缓存 5 分钟。携带 Bearer token 时，仅返回该 token 被允许使用的模型。

转换语音

发送带源 audio 的 multipart/form-data。不要发送 TTS 的 model_id（例如 eleven_multilingual_v2）。

流式路径不支持 WAV output_format。

cURL

curl -X POST "https://api.knoxstudio.ai/v1/speech-to-speech/21m00Tcm4TlvDq8ikWAM?output_format=mp3_44100_128" \
     -H "Authorization: Bearer $KNOXCHAT_API_KEY" \
     -F "audio=@speech.wav" \
     -F "model_id=eleven_multilingual_sts_v2" \
     -F "remove_background_noise=true" \
     -o changed.mp3

Python

import os
import requests

voice_id = "21m00Tcm4TlvDq8ikWAM"
with open("speech.wav", "rb") as audio:
    response = requests.post(
        f"https://api.knoxstudio.ai/v1/speech-to-speech/{voice_id}",
        headers={"Authorization": f"Bearer {os.environ['KNOXCHAT_API_KEY']}"},
        params={"output_format": "mp3_44100_128"},
        files={"audio": audio},
        data={
            "model_id": "eleven_multilingual_sts_v2",
            "remove_background_noise": "true",
            "voice_settings": '{"stability":0.5,"similarity_boost":0.75}',
        },
    )
response.raise_for_status()
open("changed.mp3", "wb").write(response.content)

常用字段：file_format（pcm_s16le_16 或 other）、seed（0–4294967295）、voice_settings（JSON 对象）、remove_background_noise（true / false）。可选查询参数：enable_logging、optimize_streaming_latency（0–4，已弃用）。

相关端点

目标	端点
流式转换	POST /v1/speech-to-speech/{voice_id}/stream
列出 / 搜索音色	GET /v1/voices、GET /v2/voices

错误

422 使用 { "detail": [{ "loc": [...], "msg": "...", "type": "value_error" }] }。其他错误使用 { "detail": "..." }。

常见状态：401 缺少/无效 key，402 余额不足，403 token 无权使用该模型，422 缺少 audio、超过 10 分钟、无效 STS model_id 或无效 output_format。