टेक्स्ट से वाणी
सक्रिय इंजन, क्लोन प्रोफ़ाइल या डिज़ाइन की गई आवाज़ से वाणी बनाएँ।
POST /v1/audio/speech OpenAI वाणी प्रारूप लेता है और ऑडियो बाइट लौटाता है। tts-1 और tts-1-hd VoiceStudio में चुना इंजन इस्तेमाल करते हैं; omnivoice, voxcpm2, cosyvoice या kittentts जैसी इंजन ID उसी इंजन को चुनती है।
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.wavफ़ील्ड
| फ़ील्ड | अर्थ |
|---|---|
input | बोलने का टेक्स्ट, अधिकतम 4,096 अक्षर |
model | tts-1, tts-1-hd या इंजन ID |
voice | default, OpenAI उपनाम, इंजन प्रीसेट या प्रोफ़ाइल ID |
response_format | mp3, opus, aac, flac, wav या कच्चा pcm |
speed | 0.25 से 4.0 |
इंजन कंट्रोल
अनुरोध इंजन-विशिष्ट फ़ील्ड भी लेता है:
{
"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
}समर्थन इंजन के अनुसार बदलता है। GET /v1/audio/voices इंस्टॉल इंजन और उनकी क्षमताएँ सूचीबद्ध करता है: क्लोनिंग, भावना, डिवाइस और रूटिंग।
प्रतिक्रिया बाइनरी है
इसे फ़ाइल में लिखें या स्ट्रीम करें; JSON की तरह पार्स न करें। Content-Type जाँचें: एनकोडर उपलब्ध न हो तो सर्वर WAV पर लौट सकता है।
लंबा टेक्स्ट
एक अनुरोध में अधिकतम 4,096 अक्षर होते हैं। किताबों, पॉडकास्ट या फिर शुरू होने वाले काम के लिए API संदर्भ में ऑडियोबुक और लॉन्ग-फ़ॉर्म रूट इस्तेमाल करें।