تحويل النص إلى كلام
أنشئ كلامًا بالمحرك النشط أو ملف مستنسخ أو صوت مصمم.
يستقبل POST /v1/audio/speech صيغة كلام OpenAI ويعيد بايتات صوتية. يستخدم tts-1 وtts-1-hd المحرك المحدد في VoiceStudio؛ ويستهدف معرّف مثل omnivoice أو voxcpm2 أو cosyvoice أو kittentts ذلك المحرك.
curl "$VOICESTUDIO_BASE_URL/audio/speech" \
-H "Authorization: Bearer $VOICESTUDIO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "tts-1",
"voice": "default",
"input": "Every voice. Every language. On your machine.",
"response_format": "wav",
"speed": 1.0
}' \
--output speech.wavالحقول
| الحقل | المعنى |
|---|---|
input | النص المراد نطقه، حتى 4,096 حرفًا |
model | tts-1 أو tts-1-hd أو معرّف محرك |
voice | default أو اسم OpenAI مستعار أو إعداد محرك أو معرّف ملف |
response_format | mp3 أو opus أو aac أو flac أو wav أو pcm خام |
speed | من 0.25 إلى 4.0 |
عناصر المحرك
يقبل الطلب أيضًا حقولًا خاصة بالمحرك:
{
"model": "omnivoice",
"input": "Say this softly, then pause.",
"voice": "your-profile-id",
"language": "en",
"instruct": "quiet, intimate, unhurried",
"seed": 42,
"num_step": 32,
"guidance_scale": 2.0
}يختلف الدعم حسب المحرك. يسرد GET /v1/audio/voices المحركات المثبتة وقدراتها: الاستنساخ والعاطفة والجهاز والتوجيه.
الاستجابة ثنائية
اكتبها إلى ملف أو ابثها؛ لا تحللها بوصفها JSON. تحقق من Content-Type: إذا لم يتوفر مرمّز، فقد يعود الخادم إلى WAV.
النص الطويل
يقبل الطلب الواحد حتى 4,096 حرفًا. للكتب والبودكاست والمهام القابلة للاستئناف، استخدم مسارات الكتب الصوتية والنصوص الطويلة في مرجع API.