Audio & Echtzeit
Sprachausgabe erstellen
Generiert Audio aus dem Eingabetext
Verwenden Sie GET /v1/models?recommended_for=tts, um aktuelle Sprachmodelle abzurufen.
Request-Body
Der Antwortmodus hängt vom ausgewählten Modell und stream_format ab. Planen Sie bei längeren Eingaben ein HTTP-Client-Timeout von mindestens 120s ein.
Optionale Felder, Stimmen, Ausgabeformate und SSE-Unterstützung hängen vom ausgewählten Modell ab. Überprüfen Sie GET /v1/models/{model}, bevor Sie diese senden. Nicht unterstützte Parameter können 400 unsupported_parameter zurückgeben.
TTS-Modell-ID. Ermitteln Sie aktuelle Optionen mit GET /v1/models?recommended_for=tts. Es gibt kein Standardmodell.
Der Text, für den Audio generiert werden soll. Maximal 4096 Zeichen; ein Modell kann ein niedrigeres Limit festlegen, siehe dessen Details.
Stimmenauswahl. Übergeben Sie einen Stimmennamen aus den Modelldetails, wie beispielsweise eve für grok-tts, oder ein Objekt wie { "id": "voice-id" } für Modelle, die Stimmen-IDs akzeptieren.
Stimmen-ID für Modelle, die diesen Parameter aufführen, wie beispielsweise speech-2.8-turbo.
Optionale Stil- oder Vortragsanweisungen, bis zu 2000 Zeichen, für Modelle, die diesen Parameter aufführen.
Optionaler Prompt für den Sprechstil, bis zu 2000 Zeichen, für Modelle, die diesen Parameter aufführen, wie beispielsweise qwen3-tts-1-7b-voicedesign.
Sprachcode, wie beispielsweise en-US, für Modelle, die dies unterstützen.
Audioformat. Zulässige Werte hängen vom Modell ab: Beispielsweise gibt grok-tts nur mp3 zurück und qwen3-tts-flash gibt wav zurück. Überprüfen Sie die Details des Modells, bevor Sie einen Wert senden.
audioTokenLab-Bereitstellungsformat: audio oder sse. Senden Sie sse nur dann, wenn es in den Modelldetails aufgeführt ist.
Sprechgeschwindigkeit für Modelle, die dies unterstützen. TokenLab akzeptiert 0.25 bis 4.0; ein Modell kann diesen Bereich einschränken.
Sampling-Temperatur von 0 bis 2 für Modelle, die diesen Parameter aufführen.
Antwort
Bei stream_format=audio enthält die Antwort Audio-Bytes. Modelle, die stream_format=sse unterstützen, geben eine text/event-stream-Antwort zurück; parsen Sie deren Events, anstatt die gesamte Antwort als Audiodatei zu speichern.
Anfrage
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.mp3Stimmenbeispiele
Die Stimmen hängen vom Modell ab. Lesen Sie die voice-Werte in den Modelldetails von GET /v1/models/{model} aus, bevor Sie einen übergeben. Beispielsweise akzeptiert grok-tts eve, ara, rex, sal und leo.
Antwort
<binary audio data>Wichtige Felder
HTTP-Response-Medientyp: das Audioformat oder text/event-stream für SSE.
Audio-Bytes für audio; ein Event-Stream für sse. Wählen Sie den Parser anhand von Content-Type und dem angeforderten Modus.
MiniMax Speech 2.8 Turbo synthetisiert ein Skript in einer ausgewählten Stimme mit einem geschwindigkeitsoptimierten Workflow – nützlich für reaktionsschnelle Sprachschnittstellen und Vertonungen.
{
"model": "speech-2.8-turbo",
"input": "Welcome to TokenLab.",
"voice_id": "male-qn-qingse",
"speed": 1,
"response_format": "mp3",
"stream_format": "audio"
}Autorisierung
BearerAuth API-Key-Authentifizierung. Erstellen oder verwalten Sie API-Keys unter Dashboard > API > API Keys.
Ort: header
Header
Zustellungsrichtlinie pro Anfrage. Überschreibt die API-Key- und Workspace-Standardeinstellungen. Versucht automatisch zuerst TokenLab Verified und kann vor der Ausgabe, der Annahme der Anfrage oder der Erstellung persistenter Ressourcen einmalig auf Official umstellen.
Zulässige Werte
- "auto"
- "verified"
- "official"
Anfragekörper
application/json
Antwort
application/json
application/json
application/json
application/json
application/json
application/json