AI 能力¶
AI 能力分组提供平台侧的模型接口：文本生成、语音识别、目标检测、音频情感分类，以及图像生成视频。除视频生成是「创建任务 + 查询状态」的异步模式外，其余都是一次请求拿到结果。
这些接口的路径直接挂在 /api/v5/ 下，不需要 owner / repo 等仓库参数。
对象¶
| 对象 | 说明 | 相关接口 |
|---|---|---|
| 文本生成 | 与 OpenAI Chat Completions 协议兼容的对话补全 | 文本生成 |
| 语音识别 | 音频转文字，支持 mp3、wav、m4a、flac、webm | 自动语音识别 |
| 目标检测 | 用 YOLO 模型识别图片中的物体，返回边界框与类别置信度 | 目标检测 |
| 图像生成视频 | 异步任务：先创建任务，再用任务信息查状态 | 图像生成视频（创建任务） |
| 音频分类 | 返回音频向量与情感三维度（唤醒度、支配度、效价）分数 | 音频分类 |
标识方式¶
- 无需仓库或组织标识，路径形如
POST /api/v5/chat/completions。 - 视频生成用「任务」标识进度：
POST /api/v5/video/generate创建，POST /api/v5/video/status查询。 - 认证仍按平台的访问令牌处理，见鉴权。
常见任务¶
| 任务 | 接口 |
|---|---|
| 文本生成 | POST /api/v5/chat/completions |
| 自动语音识别 | POST /api/v5/audio/transcriptions |
| 目标检测 | POST /api/v5/detect/yolo |
| 图像生成视频（创建任务） | POST /api/v5/video/generate |
| 图像生成视频（查询状态） | POST /api/v5/video/status |
| 音频分类 | POST /api/v5/audio/classification |
注意事项¶
- 查询视频生成状态也是
POST：POST /api/v5/video/status，不是GET，编辑请求时最容易照惯例写错。 - 视频生成是异步任务，
generate只负责创建，结果要轮询status获取；其余接口是同步返回。 - 文本生成兼容 OpenAI 的 Chat Completions 协议，因此可以直接套用 OpenAI 客户端，只需改 base URL 与令牌。
- 语音识别对音频格式有要求（mp3、wav、m4a、flac、webm），其他格式需先转码。
接口列表¶
本模块共 6 个接口。
| # | 接口 | 方法与路径 | 说明 |
|---|---|---|---|
| 1 | 文本生成 | POST /api/v5/chat/completions |
该接口用于实现文本生成功能，是基于 OpenAI 兼容的对话补全（Chat Completions）协议的接口。通过… |
| 2 | 自动语音识别 | POST /api/v5/audio/transcriptions |
该接口提供自动语音识别功能，接收音频文件（支持 mp3、wav、m4a、flac、webm 格式），经模型识别后返回… |
| 3 | 目标检测 | POST /api/v5/detect/yolo |
该接口用于目标检测，使用 YOLO 模型对图片进行物体识别，识别图片中的物体并返回检测结果，包括边界框坐标、类别及置… |
| 4 | 图像生成视频（创建任务） | POST /api/v5/video/generate |
用户调用此接口,进行图像生成视频（创建任务）操作. |
| 5 | 图像生成视频（查询状态） | POST /api/v5/video/status |
用户调用此接口,进行图像生成视频（查询状态）操作. |
| 6 | 音频分类 | POST /api/v5/audio/classification |
该接口用于对上传的音频文件进行情感分类识别，返回音频的向量表示、情感三维度（唤醒度、支配度、效价）分数以及格式化后的… |
本页原文 Markdown：在 AtomGit 查看·内容源自开源项目 gitcode-dev/atomgit-api-doc