使用 VideoDB SDK 上传、流式传输、搜索、编辑、转录和生成 AI 视频与音频

通过 WebSocket 使用 Azure OpenAI 的 GPT Realtime Mini 模型生成 AI 驱动的播客风格音频叙事，适用于构建语音合成、音频叙事生成和播客创作等功能

游戏音频原理。声音设计、音乐整合、自适应音频系统

在使用 Gemini 模型、Gemini API 处理多模态内容（文本、图像、音频、视频）、实现函数调用或使用结构化输出时使用此功能

视频与音频感知、索引与编辑。支持导入文件/URL/直播流，构建视觉与语音索引，按时间戳搜索，编辑时间轴，添加覆盖层与字幕，生成媒体内容，并创建实时警报。

使用 Telnyx 文本转语音 API 将文本生成语音音频，适用于将文本转换为语音、创建语音消息或生成音频内容的场景。

免费使用 Groq 的 Whisper API 进行语音识别，无需费用即可将语音消息转录为超过 50 种语言的文本，适用于语音转文本自动化、会议转录和无障碍功能，需使用免费的 Groq API 密钥

通过 ElevenLabs API 实现文本转语音、音效生成、音乐生成、语音管理与配额查询，适用于使用 ElevenLabs 生成音频或管理语音时使用

控制WiiM音频设备（播放、暂停、停止、下一首、上一首、音量、静音、播放URL、预设）。适用于用户希望控制音乐播放、调节音量、发现网络上的WiiM/LinkPlay扬声器或在WiiM设备上播放URL音频的场景。