Texto para fala
Gere fala com o mecanismo ativo, um perfil clonado ou uma voz projetada.
POST /v1/audio/speech aceita o formato de fala da OpenAI e retorna bytes de áudio. tts-1 e tts-1-hd usam o mecanismo selecionado no VoiceStudio; um ID como omnivoice, voxcpm2, cosyvoice ou kittentts seleciona esse mecanismo.
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 ser falado, até 4.096 caracteres |
model | tts-1, tts-1-hd ou ID de mecanismo |
voice | default, alias OpenAI, predefinição de mecanismo ou ID de perfil |
response_format | mp3, opus, aac, flac, wav ou pcm bruto |
speed | 0.25 a 4.0 |
Controles do mecanismo
A solicitação também aceita campos específicos do mecanismo:
{
"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
}O suporte varia por mecanismo. GET /v1/audio/voices lista os mecanismos instalados e suas capacidades: clonagem, emoção, dispositivo e roteamento.
A resposta é binária
Grave em arquivo ou transmita; não interprete como JSON. Verifique Content-Type: se um codificador não estiver disponível, o servidor pode usar WAV.
Texto longo
Uma solicitação aceita até 4.096 caracteres. Para livros, podcasts ou trabalhos retomáveis, use as rotas de audiolivro e conteúdo longo na referência da API.