Audio & temps réel
Créer une synthèse vocale
Génère de l'audio à partir du texte fourni
Utilisez GET /v1/models?recommended_for=tts pour obtenir les modèles de synthèse vocale actuels.
Corps de la requête
Le mode de réponse dépend du modèle sélectionné et de stream_format. Pour les saisies plus longues, prévoyez un timeout du client HTTP d'au moins 120s.
Les champs optionnels, les voix, les formats de sortie et la prise en charge de SSE dépendent du modèle sélectionné. Consultez GET /v1/models/{model} avant de les envoyer. Les paramètres non pris en charge peuvent renvoyer 400 unsupported_parameter.
ID du modèle TTS. Trouvez les choix actuels avec GET /v1/models?recommended_for=tts. Il n'y a pas de modèle par défaut.
Le texte pour lequel générer de l'audio. 4096 caractères au maximum ; un modèle peut définir une limite inférieure, consultez ses détails.
Sélecteur de voix. Transmettez un nom de voix depuis les détails du modèle, tel que eve pour grok-tts, ou un objet comme { "id": "voice-id" } pour les modèles qui acceptent des identifiants de voix.
ID de la voix pour les modèles qui listent ce paramètre, comme speech-2.8-turbo.
Instructions optionnelles de style ou d'élocution, jusqu'à 2000 caractères, pour les modèles qui listent ce paramètre.
Prompt de style d'élocution optionnel, jusqu'à 2000 caractères, pour les modèles qui listent ce paramètre, tels que qwen3-tts-1-7b-voicedesign.
Code de langue, tel que en-US, pour les modèles qui le prennent en charge.
Format audio. Les valeurs acceptées dépendent du modèle : par exemple grok-tts renvoie uniquement mp3, et qwen3-tts-flash renvoie wav. Consultez les détails du modèle avant d'envoyer une valeur.
audioFormat de distribution TokenLab : audio ou sse. Envoyez sse uniquement lorsque les détails du modèle le mentionnent.
Vitesse d'élocution pour les modèles qui la prennent en charge. TokenLab accepte des valeurs de 0.25 à 4.0 ; un modèle peut restreindre cette plage.
Température d'échantillonnage de 0 à 2, pour les modèles qui listent ce paramètre.
Réponse
Avec stream_format=audio, la réponse contient des octets audio. Les modèles qui prennent en charge stream_format=sse renvoient une réponse text/event-stream ; analysez ses événements au lieu d'enregistrer l'intégralité de la réponse sous forme de fichier audio.
Requête
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.mp3Échantillons de voix
Les voix dépendent du modèle. Lisez les valeurs de voice dans les détails du modèle depuis GET /v1/models/{model} avant d'en envoyer une. Par exemple, grok-tts accepte eve, ara, rex, sal et leo.
Réponse
<binary audio data>Champs importants
Type de média de la réponse HTTP : le format audio, ou text/event-stream pour SSE.
Octets audio pour audio ; un flux d'événements pour sse. Choisissez l'analyseur à l'aide de Content-Type et du mode demandé.
MiniMax Speech 2.8 Turbo synthétise un script avec la voix sélectionnée grâce à un flux de travail axé sur la vitesse, particulièrement utile pour les interfaces vocales réactives et la narration.
{
"model": "speech-2.8-turbo",
"input": "Welcome to TokenLab.",
"voice_id": "male-qn-qingse",
"speed": 1,
"response_format": "mp3",
"stream_format": "audio"
}Autorisation
BearerAuth Authentification par clé API. Créez ou gérez vos clés API dans Dashboard > API > API Keys.
Emplacement: header
En-têtes
Politique de livraison par requête. Remplace les valeurs par défaut de la clé API et de l'espace de travail. Tente automatiquement TokenLab Verified en premier et peut basculer une fois vers Official uniquement avant la sortie, l'acceptation de la requête ou la création de ressource persistante.
Valeurs possibles
- "auto"
- "verified"
- "official"
Corps de la requête
application/json
Réponse
application/json
application/json
application/json
application/json
application/json
application/json