Text in Sprache
Erzeuge Sprache mit der aktiven Engine, einem geklonten Profil oder einer gestalteten Stimme.
POST /v1/audio/speech akzeptiert das OpenAI-Sprachformat und liefert Audio-Bytes. tts-1 und tts-1-hd nutzen die in VoiceStudio gewählte Engine; eine Engine-ID wie omnivoice, voxcpm2, cosyvoice oder kittentts wählt diese Engine.
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.wavFelder
| Feld | Bedeutung |
|---|---|
input | Zu sprechender Text, bis zu 4.096 Zeichen |
model | tts-1, tts-1-hd oder eine Engine-ID |
voice | default, ein OpenAI-Alias, eine Engine-Voreinstellung oder Profil-ID |
response_format | mp3, opus, aac, flac, wav oder rohes pcm |
speed | 0.25 bis 4.0 |
Engine-Steuerung
Die Anfrage akzeptiert auch Engine-spezifische Felder:
{
"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
}Die Unterstützung hängt von der Engine ab. GET /v1/audio/voices listet installierte Engines und ihre Fähigkeiten: Klonen, Emotion, Gerät und Routing.
Die Antwort ist binär
Schreibe sie in eine Datei oder streame sie; parse sie nicht als JSON. Prüfe Content-Type: Ist ein Encoder nicht verfügbar, kann der Server auf WAV zurückfallen.
Langer Text
Eine Anfrage verarbeitet bis zu 4.096 Zeichen. Nutze für Bücher, Podcasts oder fortsetzbare Jobs die Hörbuch- und Langformrouten in der API-Referenz.