文本转语音

POST /v1/audio/speech

用一个 OpenAI 兼容端点把文本转成自然语音。发送 JSON,直接拿回音频字节 —— 换供应商只需改 model。全程不落盘:音频直接流式返回给你。

示例请求

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")

请求体

支持的模型

该选哪个?

有三个模型同为 $30 —— 它们的差别在音色气质与语种覆盖,而不在价格。建议用你自己的文案实测对比后再定。

# 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 模型支持这些标准音色: alloy, echo, fable, onyx, nova, shimmer.

对于 seed-tts-2.0 ,同样的六个名字可用(会映射到相近音色);你也可以直接传 BytePlus 原生音色 ID 获得完全控制 —— 例如 zh_female_cancan_uranus_bigtts. 完整的 180+ 原生音色清单见 BytePlus 音色目录。

对于 qwen3-tts-instruct-flash ,同样的六个名字可用,也可以直接传 Qwen 原生音色,例如 Cherry, Ethan, Nofish, Jada.

音频格式

用 response_format 选择封装格式。默认是 mp3: mp3, opus, wav, pcm.

并非每家供应商都支持所有格式;不支持的取值会回落到 MP3,而不是报错。

计费

按输入字符计费,采用供应商官方刊例价 —— 不加价。1 个字符 = 1 个汉字 = 1 个字母 = 1 个标点 = 1 个空格。请求失败不收费。

返回的音频不单独计量;只按你发送的文本计费。

限制

• 单次请求最多 4096 个字符。超长输入会在扣费前被拒绝 —— 请在客户端切分后拼接音频。
• 语速由 speed 控制(0.25–4.0,默认 1.0)。超出供应商范围的取值会被夹紧,而不是报错。

错误