首页 API文档 登录 注册
首页 > API文档

开放API文档

查询类API需登录后使用，基础工具API免费开放直接调用

基础URL
https://api.ltzy.top
请求方式
GET
响应格式
JSON
速率限制
60次/分钟/IP
鉴权方式
查询类API需登录
鉴权说明

基础工具API（哈希、Base64、URL编解码、时间戳、二维码、密码、UUID）：无需登录，直接调用

查询类API（IP查询、Whois、手机号归属地、DNS查询、邮编区号）：需登录后使用

鉴权方式：

  • 网页端：登录后自动携带session，直接使用
  • API调用：在请求URL中添加 ?token=你的API_TOKEN 参数
  • 或通过请求头 X-API-Token: 你的API_TOKEN

登录后点击用户名可查看和复制API Token

通用响应格式
{ "code": 200, "message": "success", "data": { ... } } // 错误响应 { "code": 400, "message": "参数错误: text不能为空", "data": null }
GET /hash.php 哈希计算
请求参数
参数名类型必填说明
textstring是需要计算哈希的文本
algostring否哈希算法: md5 / sha1 / sha256 / sha512，默认 sha256
响应示例
{ "code": 200, "message": "success", "data": { "algo": "sha256", "text": "hello", "hash": "2cf24dba5fb0a30e26e83b2ac5b9e29e1b161e5c1fa7425e73043362938b9824" } }
代码示例
curl "https://api.ltzy.top/api/hash.php?text=hello&algo=sha256"
fetch('https://api.ltzy.top/api/hash.php?text=hello&algo=sha256') .then(res => res.json()) .then(data => console.log(data));
import requests resp = requests.get('https://api.ltzy.top/api/hash.php', params={ 'text': 'hello', 'algo': 'sha256' }) print(resp.json())
必填
可选，默认sha256
响应结果
点击"发送请求"查看结果
GET /base64.php Base64编解码
请求参数
参数名类型必填说明
textstring是需要编解码的文本
typestring是操作类型: encode（编码）/ decode（解码）
响应示例
{ "code": 200, "message": "success", "data": { "type": "encode", "input": "hello", "output": "aGVsbG8=" } }
代码示例
curl "https://api.ltzy.top/api/base64.php?text=hello&type=encode"
fetch('https://api.ltzy.top/api/base64.php?text=hello&type=encode') .then(res => res.json()) .then(data => console.log(data));
import requests resp = requests.get('https://api.ltzy.top/api/base64.php', params={ 'text': 'hello', 'type': 'encode' }) print(resp.json())
必填
必填
响应结果
点击"发送请求"查看结果
GET /urlcode.php URL编解码
请求参数
参数名类型必填说明
textstring是需要编解码的文本
typestring是操作类型: encode（编码）/ decode（解码）
响应示例
{ "code": 200, "message": "success", "data": { "type": "encode", "input": "hello world", "output": "hello%20world" } }
代码示例
curl "https://api.ltzy.top/api/urlcode.php?text=hello%20world&type=encode"
fetch('https://api.ltzy.top/api/urlcode.php?text=hello%20world&type=encode') .then(res => res.json()) .then(data => console.log(data));
import requests resp = requests.get('https://api.ltzy.top/api/urlcode.php', params={ 'text': 'hello world', 'type': 'encode' }) print(resp.json())
必填
必填
响应结果
点击"发送请求"查看结果
GET /timestamp.php 时间戳转换
请求参数
参数名类型必填说明
tsinteger否Unix时间戳（秒），与date二选一
datestring否日期字符串，如 2026-01-01 00:00:00，与ts二选一
响应示例
{ "code": 200, "message": "success", "data": { "timestamp": 1735689600, "datetime": "2026-01-01 00:00:00", "timezone": "UTC+8" } }
代码示例
curl "https://api.ltzy.top/api/timestamp.php?ts=1735689600"
fetch('https://api.ltzy.top/api/timestamp.php?ts=1735689600') .then(res => res.json()) .then(data => console.log(data));
import requests resp = requests.get('https://api.ltzy.top/api/timestamp.php', params={ 'ts': 1735689600 }) print(resp.json())
与date二选一
与ts二选一
响应结果
点击"发送请求"查看结果
GET /qrcode.php 二维码生成
请求参数
参数名类型必填说明
textstring是二维码内容文本
sizeinteger否图片尺寸（像素），范围100-500，默认200
响应说明
返回 PNG 图片，Content-Type: image/png 可直接用作 <img> 标签的 src： <img src="https://api.ltzy.top/api/qrcode.php?text=hello&size=200" alt="QR Code">
代码示例
curl "https://api.ltzy.top/api/qrcode.php?text=hello&size=200" -o qrcode.png
// 方式1: 直接作为图片源 const img = document.createElement('img'); img.src = 'https://api.ltzy.top/api/qrcode.php?text=hello&size=200'; document.body.appendChild(img); // 方式2: 下载图片 fetch('https://api.ltzy.top/api/qrcode.php?text=hello&size=200') .then(res => res.blob()) .then(blob => { const url = URL.createObjectURL(blob); const a = document.createElement('a'); a.href = url; a.download = 'qrcode.png'; a.click(); });
import requests resp = requests.get('https://api.ltzy.top/api/qrcode.php', params={ 'text': 'hello', 'size': 200 }) with open('qrcode.png', 'wb') as f: f.write(resp.content)
必填
可选，默认200
响应结果
点击"发送请求"查看结果
GET /password.php 随机密码
请求参数
参数名类型必填说明
lengthinteger否密码长度，默认16
upperinteger否包含大写字母，1=是 0=否，默认1
lowerinteger否包含小写字母，1=是 0=否，默认1
numberinteger否包含数字，1=是 0=否，默认1
symbolinteger否包含特殊符号，1=是 0=否，默认1
响应示例
{ "code": 200, "message": "success", "data": { "password": "Kx9#mQ2&vLpN7@wR", "length": 16, "charset": "upper+lower+number+symbol" } }
代码示例
curl "https://api.ltzy.top/api/password.php?length=16&upper=1&lower=1&number=1&symbol=1"
fetch('https://api.ltzy.top/api/password.php?length=16&upper=1&lower=1&number=1&symbol=1') .then(res => res.json()) .then(data => console.log(data.data.password));
import requests resp = requests.get('https://api.ltzy.top/api/password.php', params={ 'length': 16, 'upper': 1, 'lower': 1, 'number': 1, 'symbol': 1 }) print(resp.json()['data']['password'])
可选，默认16
可选，默认1
可选，默认1
可选，默认1
可选，默认1
响应结果
点击"发送请求"查看结果
GET /ip.php IP查询 需登录
请求参数
参数名类型必填说明
ipstring否查询的IP地址，不传则返回请求者IP信息
tokenstring是API Token（登录后获取）
鉴权说明

此接口需要登录。网页端自动携带session；API调用需在URL中添加 ?token=你的API_TOKEN

响应示例
{ "code": 200, "message": "success", "data": { "ip": "8.8.8.8", "country": "美国", "region": "加利福尼亚", "city": "芒廷维尤", "isp": "Google LLC" } }
代码示例
curl "https://api.ltzy.top/api/ip.php?ip=8.8.8.8"
fetch('https://api.ltzy.top/api/ip.php?ip=8.8.8.8') .then(res => res.json()) .then(data => console.log(data.data));
import requests resp = requests.get('https://api.ltzy.top/api/ip.php', params={ 'ip': '8.8.8.8' }) print(resp.json()['data'])
可选，默认请求者IP
响应结果
点击"发送请求"查看结果
GET /uuid.php UUID生成
请求参数
参数名类型必填说明
countinteger否生成数量，范围1-10，默认1
响应示例
{ "code": 200, "message": "success", "data": { "uuids": [ "550e8400-e29b-41d4-a716-446655440000" ], "count": 1 } }
代码示例
curl "https://api.ltzy.top/api/uuid.php?count=3"
fetch('https://api.ltzy.top/api/uuid.php?count=3') .then(res => res.json()) .then(data => console.log(data.data.uuids));
import requests resp = requests.get('https://api.ltzy.top/api/uuid.php', params={ 'count': 3 }) print(resp.json()['data']['uuids'])
可选，默认1
响应结果
点击"发送请求"查看结果
GET /py/whois/{domain} Whois查询 需登录
请求参数
参数名类型必填说明
domainstring是查询域名（路径参数），如 baidu.com
tokenstring是API Token（登录后获取）
鉴权说明

此接口需要登录。在URL中添加 ?token=你的API_TOKEN 或请求头 X-API-Token

响应示例
{ "code": 200, "message": "success", "data": { "domain": "baidu.com", "registrar": "MarkMonitor Inc.", "creation_date": "1999-10-11", "expiration_date": "2028-10-11", "name_servers": ["ns1.baidu.com", "ns2.baidu.com"], "status": "clientDeleteProhibited", "raw": "..." } }
代码示例
curl "https://api.ltzy.top/py/whois/baidu.com"
import requests resp = requests.get('https://api.ltzy.top/py/whois/baidu.com') print(resp.json()['data'])
GET /py/phone/{number} 手机号归属地 需登录
请求参数
参数名类型必填说明
numberstring是手机号码（11位，路径参数）
tokenstring是API Token（登录后获取）
鉴权说明

此接口需要登录。在URL中添加 ?token=你的API_TOKEN 或请求头 X-API-Token

响应示例
{ "code": 200, "message": "success", "data": { "phone": "13800138000", "prefix": "1380013", "province": "北京", "city": "北京", "carrier": "移动", "source": "local" } }
代码示例
curl "https://api.ltzy.top/py/phone/13800138000"
import requests resp = requests.get('https://api.ltzy.top/py/phone/13800138000') print(resp.json()['data'])
GET /py/dns/{domain} DNS查询 需登录
请求参数
参数名类型必填说明
domainstring是查询域名（路径参数），如 baidu.com
tokenstring是API Token（登录后获取）
鉴权说明

此接口需要登录。在URL中添加 ?token=你的API_TOKEN 或请求头 X-API-Token

响应示例
{ "code": 200, "message": "success", "data": { "domain": "baidu.com", "records": { "A": [{"ttl": 300, "value": "39.156.66.10"}], "NS": [{"ttl": 86400, "value": "ns1.baidu.com"}], "MX": [{"ttl": 3600, "value": "10 mx.maillb.baidu.com"}] }, "query_time": "12 msec", "dns_server": "8.8.8.8" } }
代码示例
curl "https://api.ltzy.top/py/dns/baidu.com"
import requests resp = requests.get('https://api.ltzy.top/py/dns/baidu.com') print(resp.json()['data']['records'])
GET /py/postcode/{keyword} 邮编区号查询 需登录
请求参数
参数名类型必填说明
keywordstring否搜索关键词（城市名/邮编/区号），为空返回全部
tokenstring是API Token（登录后获取）
鉴权说明

此接口需要登录。在URL中添加 ?token=你的API_TOKEN 或请求头 X-API-Token

响应示例
{ "code": 200, "message": "success", "data": [ { "province": "北京市", "city": "北京市", "district": "东城区", "postcode": "100000", "areacode": "010" } ] }
代码示例
curl "https://api.ltzy.top/py/postcode/北京"
import requests resp = requests.get('https://api.ltzy.top/py/postcode/北京') print(resp.json()['data'])
POST /py/embedding 文本嵌入 需登录 AI
模型信息

BAAI/bge-large-zh-v1.5 - BGE系列大型中文文本嵌入模型（默认）
向量维度: 1024 | 最大Token: 512 | C-MTEB 31个数据集平均得分64.53
适用: 中文文本检索、语义相似度计算、RAG等

BAAI/bge-large-en-v1.5 - BGE系列大型英文文本嵌入模型
向量维度: 1024 | 最大Token: 512 | MTEB 56个数据集平均得分64.23
适用: 英文文本检索、语义相似度计算、RAG等

BAAI/bge-m3 - 多功能多语言多粒度文本嵌入模型
向量维度: 1024 | 最大Token: 8192 | 支持100+语言
三种检索: 密集检索、多向量检索、稀疏检索 | MIRACL/MKQA基准领先
适用: 多语言/跨语言检索、长文档检索、RAG等

请求参数 (JSON Body)
参数名类型必填说明
inputstring/array是需要嵌入的文本，支持字符串或字符串数组（最多10条）
modelstring否模型: BAAI/bge-large-zh-v1.5(默认，中文) / BAAI/bge-large-en-v1.5(英文) / BAAI/bge-m3(多语言8K)
encoding_formatstring否编码格式: float（默认）/ base64
鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例
{ "code": 200, "message": "success", "data": { "model": "BAAI/bge-large-en-v1.5", "embeddings": [ { "index": 0, "embedding": [0.001234, -0.005678, ...] } ], "usage": { "prompt_tokens": 5, "total_tokens": 5 }, "dimensions": 1024 } }
代码示例
curl -X POST "https://api.ltzy.top/py/embedding" \ -H "Content-Type: application/json" \ -H "X-API-Token: YOUR_TOKEN" \ -d '{"input": "Hello, world!"}'
import requests resp = requests.post('https://api.ltzy.top/py/embedding', headers={'X-API-Token': 'YOUR_TOKEN'}, json={'input': 'Hello, world!'} ) data = resp.json()['data'] print(f"维度: {data['dimensions']}") print(f"向量前5维: {data['embeddings'][0]['embedding'][:5]}")
POST /py/embedding/similarity 文本相似度计算 需登录 AI
说明

基于嵌入向量的余弦相似度计算，输入两段文本返回相似度分数（0~1，1表示完全相同）

请求参数 (JSON Body)
参数名类型必填说明
text1string是第一段文本
text2string是第二段文本
modelstring否模型: BAAI/bge-large-zh-v1.5(默认，中文) / BAAI/bge-large-en-v1.5(英文) / BAAI/bge-m3(多语言8K)
鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例
{ "code": 200, "message": "success", "data": { "model": "BAAI/bge-large-zh-v1.5", "text1": "你好世界", "text2": "你好吗", "similarity": 0.856123, "dimensions": 1024, "usage": { "prompt_tokens": 10, "total_tokens": 10 } } }
代码示例
curl -X POST "https://api.ltzy.top/py/embedding/similarity" \ -H "Content-Type: application/json" \ -H "X-API-Token: YOUR_TOKEN" \ -d '{"text1": "Hello", "text2": "Hi"}'
import requests resp = requests.post('https://api.ltzy.top/py/embedding/similarity', headers={'X-API-Token': 'YOUR_TOKEN'}, json={'text1': 'Hello', 'text2': 'Hi'} ) sim = resp.json()['data']['similarity'] print(f"相似度: {sim:.4f}")
POST /py/chat AI对话 需登录 AI
模型信息

Qwen/Qwen2.5-7B-Instruct - 阿里云通义千问2.5系列7B指令模型
参数量: 7B | 上下文: 32K | 支持29+语言 | 擅长编码、数学、结构化输出
在指令跟随、理解结构化数据及生成JSON方面有显著提升

Qwen/Qwen3-8B - 通义千问3系列8B模型
参数量: 8.2B | 支持100+语言 | 思考模式(推理/数学/编程)与非思考模式(通用对话)无缝切换
数学/代码/常识推理优异 | 创意写作/角色扮演/多轮对话人类偏好对齐

Qwen/Qwen3.5-4B - 通义千问3.5系列原生多模态模型
参数量: 4B | 上下文: 256K(可扩展至100万tokens) | 原生多模态(文本/图像/视频)
门控Delta网络+门控注意力混合架构 | 默认思考模式 | 支持201种语言和方言
多项指标超越GPT-5-Nano和Gemini-2.5-Flash-Lite | 支持工具调用

deepseek-ai/DeepSeek-R1-0528-Qwen3-8B - DeepSeek-R1蒸馏推理模型
参数量: 8B | 上下文: 128K | 从DeepSeek-R1-0528蒸馏到Qwen3-8B
AIME 2024超越Qwen3-8B 10%，达到Qwen3-235B-thinking水平 | 数学推理/编程/逻辑SOTA

THUDM/GLM-4-9B-0414 - 智谱GLM-4系列9B模型
参数量: 9B | 上下文: 32K | 支持函数调用/工具调用
擅长代码生成、网页设计、SVG图形生成、搜索写作 | 资源效率与效果平衡

THUDM/GLM-Z1-9B-0414 - 智谱GLM-Z1系列9B推理模型
参数量: 9B | 上下文: 128K | 推理模型，数学推理和通用任务出色
同等规模开源模型领先 | 长文本处理/RAG | 轻量级部署首选

PaddlePaddle/PaddleOCR-VL-1.5 - 百度PaddleOCR视觉模型
参数量: 0.9B | 多模态理解/OCR识别 | OmniDocBench v1.5精度94.5%
支持文档元素异形框定位 | 扫描/倾斜/屏幕拍摄等真实场景稳健 | 印章识别+文本检测识别
视觉模型：content支持数组格式，可传入image_url进行图片OCR识别

请求参数 (JSON Body)
参数名类型必填说明
messagesarray是消息数组，每项包含role和content。content可为字符串或数组(视觉模型)：[{"type":"image_url","image_url":{"url":"base64或URL"}},{"type":"text","text":"提示词"}]
modelstring否模型: Qwen/Qwen2.5-7B-Instruct(默认) / Qwen/Qwen3-8B(思考) / Qwen/Qwen3.5-4B(多模态推理256K) / deepseek-ai/DeepSeek-R1-0528-Qwen3-8B(推理128K) / THUDM/GLM-4-9B-0414 / THUDM/GLM-Z1-9B-0414(推理128K) / PaddlePaddle/PaddleOCR-VL-1.5(OCR视觉)
streamboolean否是否流式输出，默认false。流式返回SSE格式
temperaturenumber否温度(0~2)，越高越随机，默认0.7
max_tokensinteger否最大生成token数，默认4096
top_pnumber否核采样概率(0~1)，默认0.9
鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例（非流式）
{ "code": 200, "message": "success", "data": { "model": "Qwen/Qwen2.5-7B-Instruct", "message": { "role": "assistant", "content": "你好！我是灵通AI助手..." }, "finish_reason": "stop", "usage": { "prompt_tokens": 10, "completion_tokens": 20, "total_tokens": 30 } } }
流式响应格式

设置 stream: true 时，返回SSE（Server-Sent Events）格式，每行格式为 data: {JSON}，最后以 data: [DONE] 结束

data: {"choices":[{"delta":{"content":"你"},"index":0}]} data: {"choices":[{"delta":{"content":"好"},"index":0}]} data: [DONE]
代码示例
curl -X POST "https://api.ltzy.top/py/chat" \ -H "Content-Type: application/json" \ -H "X-API-Token: YOUR_TOKEN" \ -d '{ "messages": [{"role": "user", "content": "你好"}], "stream": false }'
import requests resp = requests.post('https://api.ltzy.top/py/chat', headers={'X-API-Token': 'YOUR_TOKEN'}, json={ 'messages': [{'role': 'user', 'content': '你好'}], 'stream': False } ) print(resp.json()['data']['message']['content'])
// 流式调用示例 var xhr = new XMLHttpRequest(); xhr.open('POST', 'https://api.ltzy.top/py/chat'); xhr.setRequestHeader('Content-Type', 'application/json'); xhr.setRequestHeader('X-API-Token', 'YOUR_TOKEN'); xhr.responseType = 'text'; xhr.onreadystatechange = function() { if (xhr.readyState === 3 || xhr.readyState === 4) { // 处理SSE数据流 var lines = xhr.responseText.split('\n'); lines.forEach(function(line) { if (line.indexOf('data: ') === 0) { var data = JSON.parse(line.substring(6)); var content = data.choices[0].delta.content; if (content) console.log(content); } }); } }; xhr.send(JSON.stringify({ messages: [{role: 'user', content: '你好'}], stream: true }));
POST /py/image AI文生图 需登录 AI
模型信息

Kwai-Kolors/Kolors - 快手Kolors团队开发的文本到图像生成模型
基于潜在扩散，数十亿文本-图像对训练
优势: 视觉质量高、复杂语义准确、中英文字符渲染出色、支持中英文输入

请求参数 (JSON Body)
参数名类型必填说明
promptstring是图片描述提示词，支持中英文
modelstring否模型名称，默认 Kwai-Kolors/Kolors
image_sizestring否图片尺寸: 1024x1024(默认)/1024x768/768x1024/768x768/512x512
batch_sizeinteger否生成数量(1~4)，默认1
num_inference_stepsinteger否推理步数，默认25
seedinteger否随机种子，相同种子+提示词生成相同图片
negative_promptstring否反向提示词，排除不想出现的内容
鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例
{ "code": 200, "message": "success", "data": { "model": "Kwai-Kolors/Kolors", "prompt": "一只可爱的橘猫坐在窗台上", "images": [ { "url": "https://cdn.siliconflow.cn/xxx.png" } ] } }
代码示例
curl -X POST "https://api.ltzy.top/py/image" \ -H "Content-Type: application/json" \ -H "X-API-Token: YOUR_TOKEN" \ -d '{"prompt": "一只可爱的橘猫坐在窗台上，阳光洒进来"}'
import requests resp = requests.post('https://api.ltzy.top/py/image', headers={'X-API-Token': 'YOUR_TOKEN'}, json={'prompt': '一只可爱的橘猫坐在窗台上，阳光洒进来'} ) images = resp.json()['data']['images'] for img in images: print(img['url'])
POST /py/rerank 文本重排序 需登录 AI
模型信息

BAAI/bge-reranker-v2-m3 - 轻量级多语言重排序模型
参数量: 568M | 上下文: 8K | 基于bge-m3开发
输入查询+文档，直接输出相关性分数（非向量），适用于RAG检索优化
多语言能力强，中英文处理出色，推理速度快，易于部署

请求参数 (JSON Body)
参数名类型必填说明
querystring是查询文本
documentsarray是待排序文档数组，每项为字符串（最多100条）
modelstring否模型名称，默认 BAAI/bge-reranker-v2-m3
top_ninteger否返回最相关的N个结果，默认返回全部
return_documentsboolean否是否返回文档文本，默认true
max_chunks_per_docinteger否每文档最大分块数，默认1024
鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例
{ "code": 200, "message": "success", "data": { "model": "BAAI/bge-reranker-v2-m3", "query": "什么是深度学习", "results": [ { "index": 0, "relevance_score": 0.95, "document": "深度学习是机器学习的子集..." }, { "index": 2, "relevance_score": 0.72, "document": "神经网络由多层神经元组成..." } ], "usage": { "input_tokens": 150, "output_tokens": 10 } } }
代码示例
curl -X POST "https://api.ltzy.top/py/rerank" \ -H "Content-Type: application/json" \ -H "X-API-Token: YOUR_TOKEN" \ -d '{ "query": "什么是深度学习", "documents": ["深度学习是机器学习的子集", "苹果是一种水果", "神经网络可以自动提取特征"] }'
import requests resp = requests.post('https://api.ltzy.top/py/rerank', headers={'X-API-Token': 'YOUR_TOKEN'}, json={ 'query': '什么是深度学习', 'documents': ['深度学习是机器学习的子集', '苹果是一种水果', '神经网络可以自动提取特征'] } ) for r in resp.json()['data']['results']: print(f"#{r['index']} score={r['relevance_score']:.4f}")
POST /py/asr 语音识别 需登录 AI
模型信息

FunAudioLLM/SenseVoiceSmall - 多功能语音基础模型
能力: ASR语音识别 + LID语言识别 + SER情感识别 + AED音频事件检测
支持50+语言，中文/粤语优于Whisper | 10秒音频仅需70ms，比Whisper-Large快15倍
非自回归端到端框架，推理延迟极低

TeleAI/TeleSpeechASR - 星辰超多方言语音识别大模型
业内首个支持普通话+英文+50种方言自由混说 | 粤语/上海话/四川话等主要方言
KeSpeech准确率92.97% | Babel粤语赛道业内最优 | SpeechIO普通话CER 2.63%
支持"蒸馏+膨胀"联合训练 | 支持流式和非流式调用

请求参数 (multipart/form-data)
参数名类型必填说明
filefile是音频文件（MP3/WAV/M4A/FLAC/OGG），最大50MB，时长不超过1小时
modelstring否模型: FunAudioLLM/SenseVoiceSmall(默认) / TeleAI/TeleSpeechASR
鉴权说明

此接口需要登录。在请求头添加 X-API-Token: 你的API_TOKEN

响应示例
{ "code": 200, "message": "success", "data": { "model": "FunAudioLLM/SenseVoiceSmall", "text": "今天天气真好，适合出去散步" } }
代码示例
curl -X POST "https://api.ltzy.top/py/asr" \ -H "X-API-Token: YOUR_TOKEN" \ -F "file=@audio.mp3" \ -F "model=FunAudioLLM/SenseVoiceSmall"
import requests resp = requests.post('https://api.ltzy.top/py/asr', headers={'X-API-Token': 'YOUR_TOKEN'}, files={'file': open('audio.mp3', 'rb')}, data={'model': 'FunAudioLLM/SenseVoiceSmall'} ) print(resp.json()['data']['text'])