> For the complete documentation index, see [llms.txt](https://docs.neuron-ai.dev/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.neuron-ai.dev/neuron-v3-zh/ti-gong-shang/audio.md).

# 音频

连接专门处理音频转文本及其反向转换的提供商

通常，纯 AI 音频服务不支持像工具和对话这样的完整代理能力。因此，你可以将这些组件作为代理工作流中的独立服务来使用，或者将它们放在 Agent 中使用，因为它们实现了 `AIProviderInterface` 接口。在这种情况下，你可以受益于代理工作流特性，如中间件和护栏。

这些组件可用于创建本地语音助手，以便与模型进行免手操作交互。典型流程包括捕获音频、使用单独的语音转文本（STT）服务将其转写为文本、将该文本发送给 Agent 进行处理，然后使用文本转语音（TTS）来朗读响应。

### 作为 Agent 提供者

```php
namespace App\Neuron;

use NeuronAI\Agent\Agent;
use NeuronAI\Chat\Messages\UserMessage;
use NeuronAI\Providers\AIProviderInterface;
use NeuronAI\Providers\OpenAI\Audio\OpenAITextToSpeech;

class MyAgent extends Agent
{
    protected function provider(): AIProviderInterface
    {
        return new OpenAITextToSpeech(
            key: 'OPENAI_API_KEY',
            model: 'gpt-4o-mini-tts',
            voice: 'alloy',
        );
    }
}

// 运行 Agent
$message = MyAgent::make()
    ->setThreadId('chat_id')
    ->chat(new UserMessage("Hi!"))
    ->getMessage();

// 获取消息的音频部分（它是 base64 格式）
$audioBase64 = $message->getAudio()->getContent();

// 保存音频文件
file_put_contents(__DIR__.'/assets/speech.mp3', base64_decode($audioBase64));
```

### 直接使用

```php
$provider = new OpenAITextToSpeech(
    key: 'OPENAI_API_KEY',
    model: 'gpt-4o-mini-tts',
    voice: 'alloy',
);

// 根据文本生成语音
$message = $provider->chat(new UserMessage("你好，我是 Neuron AI 框架的创建者！"));

// 获取消息的音频部分（它是 base64 格式）
$audioBase64 = $message->getAudio()->getContent();

// 保存音频文件
file_put_contents(__DIR__.'/assets/speech.mp3', base64_decode($audioBase64));
```

## OpenAI 音频

### 文本转语音

```php
use NeuronAI\Providers\OpenAI\Audio\OpenAITextToSpeech;

$provider = new OpenAITextToSpeech(
    key: 'OPENAI_API_KEY',
    model: 'gpt-4o-mini-tts',
    voice: 'alloy',
);

// 根据文本生成语音
$message = $provider->chat(new UserMessage("你好，我是 Neuron AI 框架的创建者！"));

// 获取消息的音频部分（它是 base64 格式）
$audioBase64 = $message->getAudio();

// 保存音频文件
file_put_contents(__DIR__.'/assets/speech.mp3', base64_decode($audioBase64));
```

### 语音转文本

```php
use NeuronAI\Providers\OpenAI\Audio\OpenAISpeechToText;

$provider = new OpenAISpeechToText(
    key: 'OPENAI_API_KEY',
    model: 'gpt-4o-transcribe',
);

// 转写音频
$message = $provider->chat(
    new UserMessage([
        new TextContent('这段音频是关于一节数学课的。请留意专业术语。'),
        new AudioContent(__DIR__ . '/assets/intro.mp3', SourceType::URL)
    ])
);

// 打印从音频文件中提取的文本
echo $message->getContent();
```

## ElevenLabs

### 文本转语音

```php
use NeuronAI\Providers\ElevenLabs\ElevenLabsTextToSpeech;

$provider = new ElevenLabsTextToSpeech(
    key: 'ELEVENLABS_API_KEY',
    model: 'eleven_multilingual_v2',
    voice: 'alloy',
);

// 根据文本生成语音
$message = $provider->chat(new UserMessage("你好，我来自意大利的瓦莱里奥！"));

// 获取消息的音频部分（它是 base64 格式）
$audioBase64 = $message->getAudio();

// 保存音频文件
file_put_contents(__DIR__.'/asserts/speech.mp3', base64_decode($audioBase64));
```

### 语音转文本

```php
use NeuronAI\Providers\ElevenLabs\ElevenLabsSpeechToText;

$provider = new ElevenLabsSpeechToText(
    key: 'ELEVENLABS_API_KEY',
    model: 'scribe_v2',
);

// 转写音频
$message = $provider->chat(
    new UserMessage(
        new AudioContent(__DIR__ . '/assets/intro.mp3', SourceType::URL)
    )
);

// 打印从音频文件中提取的文本
echo $message->getContent();
```

## ZAI

### 语音转文本

```php
use NeuronAI\Providers\ZAI\Audio\ZAITranscription;

$provider = new ZAITranscription(
    key: 'ZAI_API_KEY',
    model: 'glm-asr-2512',
);

// 转写音频
$message = $provider->chat(
    new UserMessage(
        new AudioContent(__DIR__ . '/assets/intro.mp3', SourceType::URL)
    )
);

// 打印从音频文件中提取的文本
echo $message->getContent();
```
