الصوت والوقت الفعلي

إنشاء كلام صوتي

توليد صوت من النص المدخل

POST
/v1/audio/speech

استخدم GET /v1/models?recommended_for=tts للحصول على نماذج الكلام الحالية.

جسم الطلب

يعتمد وضع الاستجابة على النموذج المحدد وstream_format. بالنسبة للمدخلات الأطول، اسمح بمهلة انتظار لعميل HTTP لا تقل عن 120s.

تعتمد الحقول الاختيارية والأصوات وتنسيقات الإخراج ودعم SSE على النموذج المحدد. تحقق من GET /v1/models/{model} قبل إرسالها. المعلمات غير المدعومة قد تُرجع 400 unsupported_parameter.

modelstringمطلوب

معرّف نموذج TTS. اعثر على الخيارات الحالية باستخدام GET /v1/models?recommended_for=tts. لا يوجد نموذج افتراضي.

inputstringمطلوب

النص المطلوب توليد الصوت له. بحد أقصى 4096 حرفاً؛ قد يحدد النموذج حداً أدنى، راجع تفاصيله.

voicestring | object

محدد الصوت. قم بتمرير اسم الصوت من تفاصيل النموذج، مثل eve لـ grok-tts، أو كائن مثل { "id": "voice-id" } للنماذج التي تقبل معرّفات الأصوات.

voice_idstring

معرّف الصوت للنماذج التي تدرج هذه المعلمة، مثل speech-2.8-turbo.

instructionsstring

تعليمات اختيارية للأسلوب أو الأداء، حتى 2000 حرف، للنماذج التي تدرج هذه المعلمة.

promptstring

موجه اختياري لأسلوب التحدث، حتى 2000 حرف، للنماذج التي تدرج هذه المعلمة، مثل qwen3-tts-1-7b-voicedesign.

language_codestring

رمز اللغة، مثل en-US، للنماذج التي تدعمه.

response_formatstring

تنسيق الصوت. تعتمد القيم المقبولة على النموذج: على سبيل المثال يعيد grok-tts تنسيق mp3 فقط، ويعيد qwen3-tts-flash تنسيق wav. تحقق من تفاصيل النموذج قبل إرسال القيمة.

stream_formatstringالافتراضي: audio

تنسيق التسليم في TokenLab: ‏audio أو sse. أرسل sse فقط عندما تدرجه تفاصيل النموذج.

speednumber

سرعة الكلام للنماذج التي تدعمها. يقبل TokenLab من 0.25 إلى 4.0؛ قد يقلص النموذج هذا النطاق.

temperaturenumber

درجة حرارة أخذ العينات من 0 إلى 2، للنماذج التي تدرج هذه المعلمة.

الاستجابة

مع stream_format=audio، تحتوي الاستجابة على بايتات الصوت. النماذج التي تدعم stream_format=sse تعيد استجابة من نوع text/event-stream؛ قم بتحليل أحداثها بدلاً من حفظ الاستجابة بالكامل كملف صوتي.

الطلب

curl -X POST "https://api.tokenlab.sh/v1/audio/speech" \
  -H "Authorization: Bearer sk-your-api-key" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-tts",
    "voice": "eve",
    "input": "Hello, welcome to TokenLab!"
  }' \
  --output speech.mp3

عينات الأصوات

تعتمد الأصوات على النموذج. اقرأ قيم voice في تفاصيل النموذج من GET /v1/models/{model} قبل إرسال أي منها. على سبيل المثال، يقبل grok-tts كلاً من eve و ara و rex و sal و leo.

الاستجابة

200 OK
<binary audio data>

حقول مهمة

Content-Typestring

نوع وسائط استجابة HTTP: تنسيق الصوت، أو text/event-stream لـ SSE.

bodybinary | SSE

بايتات الصوت لـ audio؛ وتدفق أحداث لـ sse. اختر أداة التحليل باستخدام Content-Type والوضع المطلوب.

يقوم MiniMax Speech 2.8 Turbo بتركيب نص بصوت محدد عبر مسار عمل يركز على السرعة، وهو مفيد للواجهات المنطوقة سريعة الاستجابة والسرد الصوتي.

{
  "model": "speech-2.8-turbo",
  "input": "Welcome to TokenLab.",
  "voice_id": "male-qn-qingse",
  "speed": 1,
  "response_format": "mp3",
  "stream_format": "audio"
}

التفويض

BearerAuth
AuthorizationBearer <token>

مصادقة مفتاح API. قم بإنشاء أو إدارة مفاتيح API في Dashboard > API > API Keys.

الموضع: header

الترويسات

X-TokenLab-Delivery-Policy?string

سياسة التسليم لكل طلب. تتجاوز إعدادات API key و Workspace الافتراضية. يحاول النظام تلقائياً استخدام TokenLab Verified أولاً، وقد ينتقل مرة واحدة إلى Official فقط قبل المخرجات، أو قبول الطلب، أو إنشاء مورد دائم.

القيم المتاحة

  • "auto"
  • "verified"
  • "official"

جسم الطلب

application/json

الاستجابة

application/json

application/json

application/json

application/json

application/json

application/json