Texto a voz
Genera voz con el motor activo, un perfil clonado o una voz diseñada.
POST /v1/audio/speech acepta el formato de voz de OpenAI y devuelve bytes de audio. tts-1 y tts-1-hd usan el motor seleccionado en VoiceStudio; un ID como omnivoice, voxcpm2, cosyvoice o kittentts selecciona ese motor.
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.wavCampos
| Campo | Significado |
|---|---|
input | Texto a pronunciar, hasta 4.096 caracteres |
model | tts-1, tts-1-hd o un ID de motor |
voice | default, un alias de OpenAI, un ajuste de motor o un ID de perfil |
response_format | mp3, opus, aac, flac, wav o pcm sin procesar |
speed | 0.25 a 4.0 |
Controles del motor
La solicitud también acepta campos específicos del motor:
{
"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
}La compatibilidad varía según el motor. GET /v1/audio/voices lista los motores instalados y sus capacidades: clonación, emoción, dispositivo y enrutamiento.
La respuesta es binaria
Guárdala en un archivo o transmítela; no la analices como JSON. Comprueba Content-Type: si un codificador no está disponible, el servidor puede usar WAV.
Texto largo
Una solicitud admite hasta 4.096 caracteres. Para libros, pódcast o trabajos reanudables, usa las rutas de audiolibros y contenido largo en la referencia de la API.