语音合成

AUDIO

接口说明

使用 POST /v1/audio/speech 将文本转换为语音，按次计费；模型价格以模型目录和当前账户专属价格为准。默认返回 JSON 中的下载 URL，文件默认是 WAV。

{
  "model": "gemini-3.8-flash-tts",
  "input": "你好，欢迎使用语音合成。",
  "voice": "Kore",
  "instructions": "用温暖自然的语气朗读",
  "response_format": "wav",
  "output_format": "url",
  "async": true
}

model、input 必填；voice 默认 Kore，可选音色见 GET /v1/models 的 speech_voices。instructions 控制朗读风格，temperature 可选，范围 0–2。

response_format 支持 wav 和 pcm；PCM 为 24kHz、16-bit、单声道。output_format 当前仅支持 url，不支持 MP3 或流式音频。

请求请携带 Authorization: Bearer YOUR_API_KEY 和固定的 Idempotency-Key。同一 Key、同一参数重复提交只创建一个任务；更换参数需使用新的请求标识。async: true 立即返回任务；省略时等待本次执行完成，未完成仍可能返回 HTTP 202。

{
  "id": "evt-EXAMPLE",
  "model": "gemini-3.8-flash-tts",
  "status": "completed",
  "charged": 0.1,
  "data": [
    {
      "url": "https://image.apixhm.com/media/EXAMPLE.wav",
      "mime_type": "audio/wav",
      "bytes": 48044,
      "expires_at": 1800000000
    }
  ]
}

返回的 charged 是积分；上例金额仅演示返回结构。使用原 API Key 调用 GET /v1/audio/speech/{id} 查询；未收到任务 ID 时用 GET /v1/audio/speech?request_id=原Idempotency-Key 找回。

状态包括 in_progress、recovering、saving、completed、failed、uncertain 和 expired。明确失败自动退款；断线、结果待确认时保留原任务与费用，不自动重新生成。下载恢复只处理已有结果；uncertain 请联系管理员核对原任务。URL 有效期见 expires_at，请及时下载；画布会将成功结果保存为当前浏览器的音频素材。