结合音频裁决两份文本
POST /v1/audio/diff-alignments
尚未发布，需要 diff_alignment 能力。两数组以 JSON 字符串提交。不退回单输入，不支持归一化、扩展搜索或流式。结果时间已含 offset；original_index 指向提交的参考数组，-1 表示无归属。
请求体
multipart/form-data必填
filefile必填音频窗口，含 padding 最多 300 秒。reference_segmentsstring必填JSON 数组，每项含非空 text 和可选 speaker。transcript_segmentsstring必填JSON 数组，每项含非空 text 和可选 speaker。modelstringlanguagestringoffsetnumber以秒计的绝对时间偏移。响应
200原生声学 diff 结果。说话人标签来自输入文字，不代表声纹身份核验。durationnumberoffsetnumberspeaker_sourcestringsegmentsobject[]textstringstartnumberendnumberspeakerstring | nulloriginal_indexintegerwordsobject[]400请求字段无效或不受支持。401需要认证或授权。413音频超过 300 秒或请求大小上限。422声学对齐失败。503运行时不可用。