Texto a voz

POST /v1/audio/speech

Convierte texto en voz natural con un único endpoint compatible con OpenAI. Envía JSON y recibe bytes de audio de vuelta. Para cambiar de proveedor solo modificas model. Nada se escribe en disco: el audio se te devuelve directamente en streaming.

Ejemplo de solicitud

curl https://synthorai.io/v1/audio/speech \
  -H "Authorization: Bearer $SYNTHORAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "tts-1",
    "input": "Hello from Synthorai.",
    "voice": "alloy"
  }' \
  --output speech.mp3

Python (OpenAI SDK)

from openai import OpenAI

client = OpenAI(
    api_key="$SYNTHORAI_API_KEY",
    base_url="https://synthorai.io/v1",
)

with client.audio.speech.with_streaming_response.create(
    model="tts-1",
    voice="alloy",
    input="Hello from Synthorai.",
) as response:
    response.stream_to_file("speech.mp3")

Cuerpo de la solicitud

Modelos compatibles

¿Cuál debería usar?

Tres modelos están en $30. Se diferencian en el carácter de la voz y la cobertura de idiomas, no en el precio. Pruébalos con tus propios textos antes de decidirte.

# Same request, different provider — only the model name changes.
-d '{"model": "tts-1",        "input": "...", "voice": "alloy"}'
-d '{"model": "seed-tts-2.0", "input": "...", "voice": "alloy"}'

Voces

Los modelos de OpenAI aceptan las voces estándar: alloy, echo, fable, onyx, nova, shimmer.

Para seed-tts-2.0 funcionan los mismos seis nombres (se asignan a voces comparables), y también puedes pasar directamente un ID de voz nativo de BytePlus para tener control total, por ejemplo zh_female_cancan_uranus_bigtts. La lista completa de las 180+ voces nativas está en el catálogo de voces de BytePlus.

Para qwen3-tts-instruct-flash funcionan los mismos seis nombres, o pasa una voz nativa de Qwen como Cherry, Ethan, Nofish, Jada.

Formatos de audio

Usa response_format para elegir el contenedor. El valor por defecto es mp3: mp3, opus, wav, pcm.

No todos los proveedores admiten todos los contenedores; los valores no admitidos recurren a MP3 en lugar de fallar.

Facturación

Se factura por carácter de entrada al precio de lista oficial del proveedor, sin margen añadido. Un carácter = un carácter chino = una letra = un signo de puntuación = un espacio. Las solicitudes fallidas nunca se cobran.

El audio que recibes no se mide aparte; solo se factura el texto que envías.

Límites

• Máximo 4096 caracteres por solicitud. Una entrada más larga se rechaza antes de cobrar nada. Divídela en el cliente y concatena el audio.
• La velocidad del habla se controla con speed (0.25–4.0, 1.0 por defecto). Los valores fuera del rango del proveedor se ajustan a los límites, no se rechazan.

Errores