مدل‌های صوتی

تبدیل متن به گفتار، گفتار به متن و صدای بلادرنگ با یک API: درخواست‌ها، صداها، قالب‌ها و قیمت‌ها.

مدل‌های صوتی در دسترس

نویسه‌های ورودی

‎$ 15.00 / 1M نویسه

ساعت صدا

‎$ 0.10 / ساعت

دقیقهٔ صدا

‎$ 0.08 / دقیقه

دقیقهٔ صدا

‎$ 0.08 / دقیقه

توکن‌های ورودی متن

‎$ 0.50 / 1M توکن

توکن‌های خروجی صدا

‎$ 10.00 / 1M توکن

توکن‌های ورودی متن

‎$ 1.00 / 1M توکن

توکن‌های خروجی صدا

‎$ 20.00 / 1M توکن

توکن‌های ورودی متن

‎$ 1.00 / 1M توکن

توکن‌های خروجی صدا

‎$ 20.00 / 1M توکن

توکن‌های ورودی متن

‎$ 1.00 / 1M توکن

توکن‌های خروجی صدا

‎$ 20.00 / 1M توکن

توکن‌های ورودی متن

‎$ 0.50 / 1M توکن

توکن‌های خروجی صدا

‎$ 9.00 / 1M توکن

توکن‌های ورودی متن

‎$ 0.50 / 1M توکن

توکن‌های خروجی صدا

‎$ 6.00 / 1M توکن

توکن‌های ورودی صدا

‎$ 2.00 / 1M توکن

توکن‌های خروجی متن

‎$ 12.00 / 1M توکن

توکن‌های ورودی صدا

‎$ 0.30 / 1M توکن

توکن‌های ورودی صدای کش‌شده

‎$ 0.03 / 1M توکن

توکن‌های خروجی متن

‎$ 2.50 / 1M توکن

توکن‌های ورودی صدا

‎$ 1.00 / 1M توکن

توکن‌های ورودی صدای کش‌شده

‎$ 0.10 / 1M توکن

توکن‌های خروجی متن

‎$ 3.00 / 1M توکن

تبدیل متن به گفتار

curl -sS https://api.oneprovider.dev/v1/audio/speech \
-H "Authorization: Bearer sk-..." \
-H "Content-Type: application/json" \
-d '{
"model": "grok-tts",
"input": "Hello from OneProvider.",
"voice": "eve",
"response_format": "mp3"
}' \
--output hello.mp3

from openai import OpenAI
client = OpenAI(base_url="https://api.oneprovider.dev/v1", api_key="sk-...")
with client.audio.speech.with_streaming_response.create(
model="gemini-3.8-flash-tts",
voice="Kore",
input="Hello from OneProvider.",
response_format="wav",
) as response:
response.stream_to_file("hello.wav")

پاسخ فایل صوتی با قالب انتخاب‌شده است. برای متن طولانی، برای هر پاراگراف یک درخواست بفرستید و فایل‌ها را به هم بچسبانید.

صداهای Grok

صداهای Gemini

تبدیل گفتار به متن

curl -sS https://api.oneprovider.dev/v1/audio/transcriptions \
-H "Authorization: Bearer sk-..." \
-F model=grok-stt \
-F file=@meeting.mp3
# {"text":"..."}

from openai import OpenAI
client = OpenAI(base_url="https://api.oneprovider.dev/v1", api_key="sk-...")
with open("meeting.mp3", "rb") as audio:
result = client.audio.transcriptions.create(model="gemini-3.5-transcribe", file=audio)
print(result.text)

درخواست از نوع multipart/form-data با فیلدهای file (فایل صوتی) و model است. پاسخ JSON با فیلد text است.

صدای بلادرنگ

یک WebSocket به wss://api.oneprovider.dev/v1/realtime?model=grok-voice-3.0 باز کنید و همان کلید را در هدر Authorization بفرستید. رویدادها از OpenAI Realtime API پیروی می‌کنند.

import asyncio, base64, json
import websockets
async def main():
url = "wss://api.oneprovider.dev/v1/realtime?model=grok-voice-3.0"
async with websockets.connect(url, additional_headers={"Authorization": "Bearer sk-..."}) as ws:
await ws.send(json.dumps({"type": "session.update", "session": {"instructions": "Answer briefly."}}))
await ws.send(json.dumps({"type": "conversation.item.create", "item": {
"type": "message", "role": "user",
"content": [{"type": "input_text", "text": "Say hello in one sentence."}],
}}))
await ws.send(json.dumps({"type": "response.create"}))
audio = bytearray()
async for message in ws:
event = json.loads(message)
if event["type"] == "response.output_audio.delta":
audio += base64.b64decode(event["delta"])
elif event["type"] == "response.output_audio_transcript.delta":
print(event["delta"], end="")
elif event["type"] == "response.done":
break
asyncio.run(main())

قیمت‌ها

• Grok TTS بر اساس هر نویسهٔ متن ورودی محاسبه می‌شود.
• Grok STT بر اساس هر ساعت صدا محاسبه می‌شود.
• Grok Voice بر اساس هر دقیقه گفت‌وگو محاسبه می‌شود، به‌علاوهٔ کارمزد کوچکی برای هر پیام متنی که می‌فرستید.
• Gemini بر اساس توکن محاسبه می‌شود: متن یا صدای ورودی و صدا یا متن خروجی؛ هر ثانیه صدا 25 توکن است.

مثال: grok-tts، 1,000 نویسه = ‎$ 15.00 / 1M × 1 000 = ‎$ 0.015.

قیمت دقیق هر مدل در جدول بالا و در صفحهٔ قیمت‌ها است.

خطاها

پاسخ‌های سریع

از کدام base URL استفاده کنم؟

Claude Code و SDKهای Anthropic از https://api.oneprovider.dev استفاده می‌کنند. SDKهای OpenAI و کلاینت‌های سازگار با OpenAI از https://api.oneprovider.dev/v1 استفاده می‌کنند. یک کلید پشت هر دو آدرس کار می‌کند؛ فهرست مدل‌ها در صفحهٔ مدل‌ها و نرخ‌ها در صفحهٔ قیمت‌ها است.

چگونه احراز هویت کنم؟

کلید خام sk-… را در x-api-key یا Authorization: Bearer بفرستید: یکی از این دو، نه هر دو. کلید را در یک متغیر محیطی نگه دارید، نه در فایلی که commit می‌شود. اطلاعات بیشتر دربارهٔ احراز هویت .

کلید را از کجا بگیرم؟

حساب کاربری خود را در ربات Telegram به نام @oneprovider_robot یا در app.oneprovider.dev باز کنید، موجودی را شارژ کنید و «صدور کلید» را بزنید. هر کلید می‌تواند سقف مصرف مخصوص خودش را داشته باشد. حساب کاربری و کلیدهای API .

کدهای 401، 404 و 429 یعنی چه؟

401: کلید ارسال نشده، اشتباه تایپ شده یا در هدر نادرست فرستاده شده است؛ کلید را کامل و بدون گیومه و فاصله جای‌گذاری کنید. 404: معمولاً base URL نادرست است، مثلاً /v1 جا افتاده یا دوبار آمده است. 429 با پیام «Insufficient balance»: موجودی حساب کاربری یا سقف مصرف کلید تمام شده است؛ به‌جای تلاش دوباره، شارژ کنید. هر 429 دیگری محدودیت نرخ است؛ تا پایان زمان Retry-After صبر کنید. جزئیات: کدهای خطا و رفع اشکال .

چرا استریم‌ها قطع یا ریست می‌شوند؟

VPN و پروکسی‌های VLESS اغلب SSE را بافر می‌کنند یا مذاکرهٔ HTTP/2 را مختل می‌کنند. OneProvider هیچ محدودیت منطقه‌ای ندارد و استریم‌ها را بافر نمی‌کند؛ پروکسی را خاموش کنید و دوباره امتحان کنید.

اگر این‌ها کافی نبود از کجا بپرسم؟

در Telegram به @Oneproviderhelpbot پیام بدهید یا در حساب کاربری وب «پشتیبانی» را باز کنید و کد وضعیت HTTP و متن دقیق خطا را بفرستید. پشتیبانی چگونه کار می‌کند .