文字轉語音

POST /v1/audio/speech

用一個 OpenAI 相容端點把文字轉成自然的語音。送出 JSON，直接取回音訊位元組。換供應商只需要改 model。全程不寫入磁碟：音訊會直接串流回傳給你。

範例請求

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")

請求主體

支援的模型

該選哪一個？

有三個模型同為 $30，它們的差別在音色氣質與語言涵蓋範圍，而不在價格。決定前先用你自己的文案實測比較。

# 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"}'

音色

OpenAI 模型支援這些標準音色： alloy, echo, fable, onyx, nova, shimmer.

對於 seed-tts-2.0 這個模型，同樣的六個名稱也可用（會對應到相近的音色）；你也可以直接傳入 BytePlus 原生音色 ID 以取得完整控制權，例如 zh_female_cancan_uranus_bigtts. 完整的 180+ 種原生音色清單請見 BytePlus 音色目錄。

對於 qwen3-tts-instruct-flash 這個模型，同樣的六個名稱也可用，也可以直接傳入 Qwen 原生音色，例如 Cherry, Ethan, Nofish, Jada.

音訊格式

用 response_format 指定封裝格式。預設為 mp3: mp3, opus, wav, pcm.

並非每家供應商都支援所有封裝格式；不支援的值會退回 MP3，而不是直接失敗。

計費

按輸入字元計費，採用供應商的官方牌價，不另外加價。1 個字元 = 1 個中文字 = 1 個字母 = 1 個標點 = 1 個空格。請求失敗一律不收費。

回傳的音訊不另外計量；只有你送進來的文字會計費。

限制

• 單次請求最多 4096 個字元。過長的輸入會在計費前就被拒絕，請在用戶端切分後再把音訊接起來。
• 語速由 speed 控制（0.25–4.0，預設 1.0）。超出供應商範圍的值會被夾回範圍內，而不是被拒絕。

錯誤