টেক্সট থেকে কথন

POST /v1/audio/speech OpenAI কথনের ফরম্যাট নেয় এবং অডিও বাইট ফেরত দেয়। tts-1 ও tts-1-hd VoiceStudio-তে নির্বাচিত ইঞ্জিন ব্যবহার করে; omnivoice, voxcpm2, cosyvoice বা kittentts-এর মতো ইঞ্জিন ID সেই ইঞ্জিন বেছে নেয়।

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.wav

ফিল্ডCopy Anchor Link

ইঞ্জিন নিয়ন্ত্রণCopy Anchor Link

অনুরোধে ইঞ্জিন-নির্দিষ্ট ফিল্ডও নেওয়া হয়:

{
  "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
}

সমর্থন ইঞ্জিনভেদে আলাদা। GET /v1/audio/voices ইনস্টল করা ইঞ্জিন ও তাদের ক্ষমতা দেখায়: ক্লোনিং, আবেগ, ডিভাইস ও রাউটিং।

দীর্ঘ টেক্সটCopy Anchor Link

একটি অনুরোধে সর্বোচ্চ 4,096 অক্ষর নেওয়া হয়। বই, পডকাস্ট বা পুনরায় শুরু করা যায় এমন কাজের জন্য API রেফারেন্স-এর অডিওবুক ও দীর্ঘ-ফর্ম রুট ব্যবহার করুন।