语音合成

把一段文本合成为语音,适合朗读、配音、语音播报。接口兼容 OpenAI POST /v1/audio/speech,成功时直接返回音频文件的二进制内容,不是 JSON。

项 值
方法与路径 POST /v1/audio/speech
鉴权 Authorization: Bearer YOUR_API_KEY
Content-Type application/json
响应 音频二进制(Content-Type 随输出格式,如 audio/mpeg)

快速示例

cURL

BASH
curl https://www.nextai-code.com/v1/audio/speech \
  -H "Authorization: Bearer $NEXTAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "YOUR_MODEL",
    "input": "欢迎使用 NextAI Code。",
    "voice": "alloy"
  }' \
  --output speech.mp3

Python(OpenAI SDK)

PYTHON
import os
from openai import OpenAI

client = OpenAI(api_key=os.environ["NEXTAI_API_KEY"], base_url="https://www.nextai-code.com/v1")

with client.audio.speech.with_streaming_response.create(
    model="YOUR_MODEL",
    voice="alloy",
    input="欢迎使用 NextAI Code。",
) as response:
    response.stream_to_file("speech.mp3")

Node.js(OpenAI SDK)

JAVASCRIPT
import fs from "node:fs";
import OpenAI from "openai";

const client = new OpenAI({ apiKey: process.env.NEXTAI_API_KEY, baseURL: "https://www.nextai-code.com/v1" });

const res = await client.audio.speech.create({
  model: "YOUR_MODEL",
  voice: "alloy",
  input: "欢迎使用 NextAI Code。",
});
fs.writeFileSync("speech.mp3", Buffer.from(await res.arrayBuffer()));

示例中的 alloy 是 OpenAI 的音色名。可用的语音合成模型以 模型列表(GET /v1/models)为准,音色取值取决于所选模型。

请求参数

参数 类型 必填 说明
model string 是 语音合成模型名,缺失时返回 400(缺少 model 参数)
input string 是 要合成的文本,按字符数计费,见 计费
voice string 是 音色名,取值取决于模型
instructions string 否 对语气、语速、情绪等的文字指令,是否生效取决于模型
response_format string 否 输出音频格式,如 mp3、opus、aac、flac、wav、pcm;默认值与可选值取决于模型
speed number 否 语速倍率,取值范围取决于模型
stream_format string 否 流式输出格式(如 audio、sse),是否支持取决于模型
metadata object 否 附加元数据,是否生效取决于模型

只支持以上字段,其他字段会被忽略。

响应

成功时 HTTP 200,响应体就是音频文件本身,Content-Type 对应输出格式。音频可能以分块传输(不带 Content-Length)方式返回,此时可以边下载边播放。

失败时返回 JSON 错误体,结构见 错误码。写文件前建议先检查状态码,避免把错误 JSON 存成 .mp3。

计费

按 input 的字符数计为输入 Token(每个字符计 1,中英文相同),再按模型价格结算;输出音频不单独计费。按次计价的模型每次请求固定扣费。

相关文档