Skip to main content

AI 音频检测接口

检测一段音频是否由 AI 生成（TTS、语音克隆等），返回检测结论与置信度评分。

接口信息​

  • 接口路径: /v1/audio/ai-detect
  • 请求方式: POST
  • 认证方式: Header 中的 X-API-Key
  • 响应格式: JSON；请通过 succeed 判断检测是否成功，通过 error_code 和 error_message 查看失败原因
  • HTTP 状态码: 检测成功或失败均返回 200，请同时检查 succeed；请求体过大或请求方法不匹配时，可能返回 413、405，且不使用下文的 JSON 响应结构

请求头​

参数名类型必填说明
X-API-Keystring是应用密钥

音频输入方式（二选一）​

方式一：传入 URL​

以 application/json 发送请求，在请求体中提供音频的公开访问地址。

参数名类型必填说明
audio_urlstring是音频文件的 HTTP/HTTPS 地址，支持 .wav / .mp3

方式二：上传文件​

以 multipart/form-data 发送请求，将音频文件作为表单字段上传。

参数名类型必填说明
audiofile是音频文件，支持 .wav / .mp3，大小不超过 50MB

响应参数​

通用响应结构​

字段类型说明
error_codenumber错误码；成功为 0
error_messagestring错误信息；成功时为空
succeedboolean检测是否成功
dataobject | null成功时为检测结果；失败时为 null

data 字段​

字段类型说明
predictionstring预测类别：Fake（AI 生成）或 Real（真实人声）。主要凭此字段判断结果。
confidencestring对 prediction 这一类别的置信度，范围 0.50 ~ 1.00，保留 4 位小数。
prediction=Fake, confidence=0.97 → 97% 确信是 AI；
prediction=Real, confidence=0.97 → 97% 确信是真人。
注意：不是「是 AI 的概率」，请结合 prediction 一起判断
descriptorstring置信描述：Definitely（confidence > 0.90） / Likely（0.70 ~ 0.90） / Unsure, but leaning（0.50 ~ 0.70）

响应示例​

判定为 AI（confidence 表示「确信是 AI」的程度）：

{
  "error_code": 0,
  "error_message": "",
  "succeed": true,
  "data": {
    "prediction": "Fake",
    "confidence": "0.9971",
    "descriptor": "Definitely"
  }
}

判定为真人（confidence 表示「确信是真人」的程度）：

{
  "error_code": 0,
  "error_message": "",
  "succeed": true,
  "data": {
    "prediction": "Real",
    "confidence": "0.8865",
    "descriptor": "Likely"
  }
}

请求示例​

URL 方式​

curl -X POST "https://api.vuilabs.cn/v1/audio/ai-detect" \
  -H "X-API-Key: your-secret-key-here" \
  -H "Content-Type: application/json" \
  -d '{
    "audio_url": "https://example.com/sample.wav"
  }'

文件上传方式​

curl -X POST "https://api.vuilabs.cn/v1/audio/ai-detect" \
  -H "X-API-Key: your-secret-key-here" \
  -F "audio=@/path/to/sample.wav"

各语言示例​

URL 方式​

Python

import requests

response = requests.post(
    "https://api.vuilabs.cn/v1/audio/ai-detect",
    headers={"X-API-Key": "your-secret-key-here"},
    json={"audio_url": "https://example.com/sample.wav"}
)

result = response.json()
if not result["succeed"]:
    raise RuntimeError(f"{result['error_code']}: {result['error_message']}")

data = result["data"]
print(f"预测类别: {data['prediction']}")
print(f"置信度: {data['confidence']}")
print(f"置信描述: {data['descriptor']}")
is_ai = data["prediction"] == "Fake"
print(f"是否 AI 生成: {is_ai}")

Node.js

const response = await fetch("https://api.vuilabs.cn/v1/audio/ai-detect", {
  method: "POST",
  headers: {
    "X-API-Key": "your-secret-key-here",
    "Content-Type": "application/json",
  },
  body: JSON.stringify({ audio_url: "https://example.com/sample.wav" }),
});

const result = await response.json();
if (!result.succeed) {
  throw new Error(`${result.error_code}: ${result.error_message}`);
}

const data = result.data;
console.log("预测类别:", data.prediction);
console.log("置信度:", data.confidence);
console.log("置信描述:", data.descriptor);
const isAI = data.prediction === "Fake";
console.log("是否 AI 生成:", isAI);

文件上传方式​

Python

import requests

with open("/path/to/sample.wav", "rb") as f:
    response = requests.post(
        "https://api.vuilabs.cn/v1/audio/ai-detect",
        headers={"X-API-Key": "your-secret-key-here"},
        files={"audio": f}
    )

result = response.json()
if not result["succeed"]:
    raise RuntimeError(f"{result['error_code']}: {result['error_message']}")

data = result["data"]
print(f"预测类别: {data['prediction']}")
print(f"置信度: {data['confidence']}")
print(f"置信描述: {data['descriptor']}")
is_ai = data["prediction"] == "Fake"
print(f"是否 AI 生成: {is_ai}")

Node.js

const fs = require("fs");
const FormData = require("form-data");

const form = new FormData();
form.append("audio", fs.createReadStream("/path/to/sample.wav"));

const response = await fetch("https://api.vuilabs.cn/v1/audio/ai-detect", {
  method: "POST",
  headers: {
    "X-API-Key": "your-secret-key-here",
    ...form.getHeaders(),
  },
  body: form,
});

const result = await response.json();
if (!result.succeed) {
  throw new Error(`${result.error_code}: ${result.error_message}`);
}

const data = result.data;
console.log("预测类别:", data.prediction);
console.log("置信度:", data.confidence);
console.log("置信描述:", data.descriptor);
const isAI = data.prediction === "Fake";
console.log("是否 AI 生成:", isAI);

错误响应​

检测失败时，HTTP 状态码仍为 200，请通过 JSON 响应中的 succeed 和错误信息判断结果：

{
  "error_code": 10001,
  "error_message": "参数错误",
  "succeed": false,
  "data": null
}

错误码说明​

error_codeerror_message说明
10001参数错误未提供音频、audio_url 非 HTTP/HTTPS、URL 不可下载、文件字段名不是 audio、文件格式不支持（仅支持 .wav / .mp3）、音频无法解析等
10003未授权Header 中缺少 X-API-Key，或 API Key 无效、未授权
20003余额不足免费时长已用完且账户余额不足
10000服务器内部错误检测处理失败，请查看 error_message；如提示繁忙或超时，可稍后重试，持续失败请联系支持

请求体过大时，可能返回 HTTP 413；请求方法不匹配时，可能返回 HTTP 405。这类响应不使用上述 JSON 结构，请先检查 HTTP 状态码，再解析响应内容。

计费说明​

具体计费规则、价格和免费额度请参见 产品计费。

使用建议​

  • 判断结果以 prediction 为准：prediction === "Fake" 即视为 AI 生成。
  • 结合 confidence 阈值与业务规则使用：descriptor=Unsure, but leaning（0.50 ~ 0.70）意味着模型自身不太确定，建议在此区间引入二次人工核验或更严格的业务策略；Definitely（> 0.90）和 Likely（0.70 ~ 0.90）可作为更可靠的决策依据。
  • 不要把 confidence 当成「是 AI 的概率」直接比较。它表示对 prediction 这一类别的置信度，请结合 prediction 字段一起判断。
  • 音频质量与时长：建议输入 ≥ 3 秒、采样率不低于 16 kHz 的清晰录音；过短或被严重降噪/变调/剪辑处理的音频可能影响识别结果。
  • 大批量场景建议错峰调用；若返回 error_code=10000 且提示繁忙，可稍等片刻后重试。