Áudio e tempo real
Criar fala
Gera áudio a partir do texto de entrada
Use GET /v1/models?recommended_for=tts para obter os modelos de fala atuais.
Corpo da requisição
O modo de resposta depende do modelo selecionado e de stream_format. Para entradas mais longas, configure um timeout do cliente HTTP de pelo menos 120s.
Campos opcionais, vozes, formatos de saída e suporte a SSE dependem do modelo selecionado. Verifique GET /v1/models/{model} antes de enviá-los. Parâmetros não suportados podem retornar 400 unsupported_parameter.
ID do modelo TTS. Encontre as opções atuais com GET /v1/models?recommended_for=tts. Não há modelo padrão.
O texto a partir do qual o áudio será gerado. Máximo de 4096 caracteres; um modelo pode definir um limite menor, consulte seus detalhes.
Seletor de voz. Passe um nome de voz dos detalhes do modelo, como eve para grok-tts, ou um objeto como { "id": "voice-id" } para modelos que aceitam IDs de voz.
ID da voz para modelos que listam este parâmetro, como speech-2.8-turbo.
Instruções opcionais de estilo ou entonação, até 2000 caracteres, para modelos que listam este parâmetro.
Prompt de estilo de fala opcional, até 2000 caracteres, para modelos que listam este parâmetro, como qwen3-tts-1-7b-voicedesign.
Código do idioma, como en-US, para modelos que o suportam.
Formato de áudio. Os valores aceitos dependem do modelo: por exemplo, grok-tts retorna apenas mp3 e qwen3-tts-flash retorna wav. Verifique os detalhes do modelo antes de enviar um valor.
audioFormato de entrega do TokenLab: audio ou sse. Envie sse apenas quando os detalhes do modelo o listarem.
Velocidade da fala para modelos que a suportam. O TokenLab aceita de 0.25 a 4.0; um modelo pode restringir essa faixa.
Temperatura de amostragem de 0 a 2, para modelos que listam este parâmetro.
Resposta
Com stream_format=audio, a resposta contém os bytes do áudio. Modelos que suportam stream_format=sse retornam uma resposta text/event-stream; faça o parse dos eventos em vez de salvar a resposta inteira como um arquivo de áudio.
Requisição
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.mp3Amostras de voz
As vozes dependem do modelo. Consulte os valores de voice nos detalhes do modelo em GET /v1/models/{model} antes de enviar um. Por exemplo, o grok-tts aceita eve, ara, rex, sal e leo.
Resposta
<binary audio data>Campos importantes
Tipo de mídia da resposta HTTP: o formato de áudio ou text/event-stream para SSE.
Bytes de áudio para audio; um fluxo de eventos para sse. Escolha o parser usando Content-Type e o modo solicitado.
O MiniMax Speech 2.8 Turbo sintetiza um roteiro em uma voz selecionada com um fluxo de trabalho focado em velocidade, útil para interfaces faladas responsivas e narração.
{
"model": "speech-2.8-turbo",
"input": "Welcome to TokenLab.",
"voice_id": "male-qn-qingse",
"speed": 1,
"response_format": "mp3",
"stream_format": "audio"
}Autorização
BearerAuth Autenticação por Chave de API. Crie ou gerencie chaves de API em Dashboard > API > API Keys.
Local: header
Cabeçalhos
Política de entrega por solicitação. Substitui os padrões da API key e do Workspace. Tenta automaticamente o TokenLab Verified primeiro e pode alternar uma vez para Official apenas antes da saída, aceitação da solicitação ou criação de recurso persistente.
Valores permitidos
- "auto"
- "verified"
- "official"
Corpo da requisição
application/json
Resposta
application/json
application/json
application/json
application/json
application/json
application/json