Tích hợp hình ảnh, âm thanh, video và truy xuất

Các khả năng này dùng cùng Base URL và khóa bearer như chat, nhưng mỗi loại có endpoint và payload riêng. ID mô hình bên dưới là ví dụ đang hoạt động; hãy kiểm tra Bảng điều khiển → Mô hình để lấy danh mục mới nhất trước khi đưa vào sản xuất.

Tạo hình ảnh

POST /v1/images/generations

Gửi prompt dạng JSON. Đọc nội dung được tạo từ data[0].url, hoặc từ data[0].b64_json khi mô hình đã chọn trả về base64.

Tham số chính: prompt và model là bắt buộc. Dùng size cho độ phân giải, n cho số lượng ảnh và response_format cho url hoặc b64_json. quality và style tùy theo mô hình; các giá trị phổ biến gồm standard, hd hoặc auto.

curl https://api.chinaapi.ai/v1/images/generations \
  -H "Authorization: Bearer $CHINAAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "doubao-seedream-4-5-251128",
    "prompt": "A cinematic skyline at blue hour",
    "size": "1024x1024",
    "response_format": "url",
    "n": 1
  }'

Tạo hình ảnh Gemini

POST /v1/chat/completions

Mô hình hình ảnh Gemini dùng định dạng OpenAI Chat Completions. Đọc ảnh Markdown được tạo tại choices[0].message.content; dữ liệu ảnh là URL data:image/....

Tham số chính: dùng ID mô hình hiển thị trong danh mục sau khi đăng nhập ở model và đặt prompt hình ảnh trong messages. Không gửi mô hình này tới /v1/images/generations.

curl https://api.chinaapi.ai/v1/chat/completions \
  -H "Authorization: Bearer $CHINAAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<GEMINI_IMAGE_MODEL>",
    "messages": [
      {
        "role": "user",
        "content": "Generate a cinematic skyline at blue hour"
      }
    ],
    "stream": false
  }'

Chuyển giọng nói thành văn bản

POST /v1/audio/transcriptions

Tải tệp âm thanh lên bằng multipart form data; không tự đặt tiêu đề Content-Type. Văn bản nhận dạng được trả về trong trường text.

Tham số chính: gửi model và file dưới dạng trường multipart. Dùng response_format là json, text hoặc verbose_json khi mô hình đã chọn hỗ trợ.

curl https://api.chinaapi.ai/v1/audio/transcriptions \
  -H "Authorization: Bearer $CHINAAPI_KEY" \
  -F "model=qwen3-asr-flash" \
  -F "file=@speech.wav" \
  -F "response_format=json"

Chuyển văn bản thành giọng nói

POST /v1/audio/speech

Nội dung phản hồi là âm thanh nhị phân, vì vậy hãy ghi vào tệp. alloy chọn giọng mặc định của mô hình; một số mô hình cũng cung cấp ID giọng riêng của nhà cung cấp.

Tham số chính: dùng input, model và voice. Chọn đầu ra bằng response_format, như mp3 hoặc wav; speed và instructions khả dụng khi mô hình đã chọn hỗ trợ.

curl https://api.chinaapi.ai/v1/audio/speech \
  -H "Authorization: Bearer $CHINAAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.5-tts",
    "input": "Hello from ChinaAPI.",
    "voice": "alloy",
    "response_format": "mp3"
  }' \
  --output speech.mp3

Tạo video

POST /v1/video/generations

Tạo video là tác vụ bất đồng bộ. Chỉ gửi một lần, lưu task_id được trả về, rồi thăm dò GET /v1/video/generations/{task_id} cho đến khi thành công hoặc thất bại. Việc tạo tác vụ có thể tiêu thụ hạn mức.

Tham số chính: prompt và model khởi tạo tác vụ. Dùng duration, width, height, fps và n khi được hỗ trợ. Độ phân giải là cách điều khiển độ rõ phổ biến. Chỉ đặt các tham số riêng của nhà cung cấp như quality, quality_level, negative_prompt hoặc cài đặt camera trong metadata khi chúng được công bố cho mô hình đó.

curl https://api.chinaapi.ai/v1/video/generations \
  -H "Authorization: Bearer $CHINAAPI_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "happyhorse-1.1-t2v",
    "prompt": "A paper boat crossing a moonlit lake",
    "duration": 5,
    "width": 1280,
    "height": 720
  }'

curl https://api.chinaapi.ai/v1/video/generations/$TASK_ID \
  -H "Authorization: Bearer $CHINAAPI_KEY"