OATDA 音频翻译

通过 OATDA 统一音频 API，将外语音频翻译为英文文本。

API 密钥解析

所有命令均需提供 OATDA API 密钥。请在每次 exec 调用中内联解析该密钥：

export OATDA_API_KEY="${OATDA_API_KEY:-$(cat ~/.oatda/credentials.json 2>/dev/null | jq -r '.profiles[.defaultProfile].apiKey' 2>/dev/null)}"

若密钥为空或为 null，请提示用户前往 https://oatda.com 获取密钥并完成配置。

安全性说明：切勿打印完整的 API 密钥。仅验证其是否存在，或仅显示前 8 个字符。

模型映射

默认值：若未指定模型，则使用 openai / whisper-1。

若用户直接提供 provider/model 格式的字符串（例如 openai/whisper-1），请按 / 分割解析。

⚠️ 模型会随时间更新。若某模型 ID 调用失败，请先执行 oatda-list-models 并附加查询参数 ?type=audio 查询当前可用模型列表。

输入准备

翻译接口支持以下两种输入方式：

• 采用 multipart/form-data 格式上传本地音频文件
• 以 JSON 格式提交，其中 file 字段为 base64 编码的 data URL

音频文件最大尺寸为 25 MB。

对于本地文件，推荐使用 multipart 上传方式，因其更简单且可避免生成过大的 JSON 请求体。

获取音频模型参数信息

export OATDA_API_KEY="${OATDA_API_KEY:-$(cat ~/.oatda/credentials.json 2>/dev/null | jq -r '.profiles[.defaultProfile].apiKey' 2>/dev/null)}" && 
curl -s -X GET "https://oatda.com/api/v1/llm/models?type=audio" 
  -H "Authorization: Bearer $OATDA_API_KEY" | jq '.audio_models[] | {id, supported_params}'

请重点关注以下字段：

• audio_modes 中是否包含 translation
• 支持的 response_format 取值
• 是否支持可选的 prompt 或 filename

API 调用（multipart 方式）

export OATDA_API_KEY="${OATDA_API_KEY:-$(cat ~/.oatda/credentials.json 2>/dev/null | jq -r '.profiles[.defaultProfile].apiKey' 2>/dev/null)}" && 
curl -s -X POST "https://oatda.com/api/v1/llm/translations" 
  -H "Authorization: Bearer $OATDA_API_KEY" 
  -F "provider=" 
  -F "model=" 
  -F "file=@" 
  -F "response_format=json"

替代 API 调用（base64 JSON 方式）

AUDIO_DATA_URL="data:audio/mpeg;base64,$(base64 -w 0 audio.mp3)"

export OATDA_API_KEY="${OATDA_API_KEY:-$(cat ~/.oatda/credentials.json 2>/dev/null | jq -r '.profiles[.defaultProfile].apiKey' 2>/dev/null)}" && 
curl -s -X POST "https://oatda.com/api/v1/llm/translations" 
  -H "Content-Type: application/json" 
  -H "Authorization: Bearer $OATDA_API_KEY" 
  -d "$(jq -n 
    --arg provider "" 
    --arg model "" 
    --arg file "$AUDIO_DATA_URL" 
    '{provider: $provider, model: $model, file: $file, response_format: "json"}')"

常用参数

• prompt：可选提示，用于指定术语、人名、专有名词或翻译风格
• response_format：可取值为 json、text、srt、verbose_json 或 vtt
• temperature：取值范围为 0 到 1
• filename：JSON 上传时可选的文件名（用于日志与计费上下文）

响应格式

API 返回如下结构的 JSON：

{
  "text": "The English translation...",
  "language": "fr",
  "duration": 42.5,
  "costs": {
    "inputCost": 0,
    "outputCost": 0.0001,
    "totalCost": 0.0001,
    "currency": "USD"
  }
}

请向用户展示 text 字段内容，并明确说明输出为英文文本。

错误处理

示例

export OATDA_API_KEY="${OATDA_API_KEY:-$(cat ~/.oatda/credentials.json 2>/dev/null | jq -r '.profiles[.defaultProfile].apiKey' 2>/dev/null)}" && 
curl -s -X POST "https://oatda.com/api/v1/llm/translations" 
  -H "Authorization: Bearer $OATDA_API_KEY" 
  -F "provider=openai" 
  -F "model=whisper-1" 
  -F "file=@french-audio.mp3" 
  -F "response_format=json"

备注

• 接口路径：/api/v1/llm/translations
• 翻译输出为英文文本
• 本地文件上传优先使用 multipart 方式
• 可通过 prompt 参数指定人名、缩写词或领域专用术语
• 对应的能力名称（capability name）为：translate_audio
• 相关技能（skills）包括：oatda-transcribe-audio、oatda-generate-speech、oatda-list-models