Âm thanh & thời gian thực
Tạo giọng nói
Tạo âm thanh từ văn bản đầu vào
Sử dụng GET /v1/models?recommended_for=tts để lấy các mô hình giọng nói hiện tại.
Phần thân yêu cầu (Request Body)
Chế độ phản hồi phụ thuộc vào mô hình được chọn và stream_format. Đối với văn bản đầu vào dài hơn, hãy thiết lập timeout của HTTP client tối thiểu là 120s.
Các trường tùy chọn, giọng nói, định dạng đầu ra và hỗ trợ SSE phụ thuộc vào mô hình được chọn. Hãy kiểm tra GET /v1/models/{model} trước khi gửi chúng. Các tham số không được hỗ trợ có thể trả về 400 unsupported_parameter.
ID mô hình TTS. Tìm các lựa chọn hiện tại bằng GET /v1/models?recommended_for=tts. Không có mô hình mặc định.
Văn bản cần tạo âm thanh. Tối đa 4096 ký tự; một mô hình có thể đặt giới hạn thấp hơn, xem chi tiết của mô hình đó.
Trình chọn giọng nói. Truyền tên giọng nói từ thông tin chi tiết của mô hình, chẳng hạn như eve cho grok-tts, hoặc một object như { "id": "voice-id" } cho các mô hình chấp nhận voice ID.
Voice ID cho các mô hình liệt kê tham số này, chẳng hạn như speech-2.8-turbo.
Hướng dẫn tùy chọn về phong cách hoặc cách diễn đạt, tối đa 2000 ký tự, dành cho các mô hình liệt kê tham số này.
Prompt phong cách nói tùy chọn, tối đa 2000 ký tự, dành cho các mô hình liệt kê tham số này, chẳng hạn như qwen3-tts-1-7b-voicedesign.
Mã ngôn ngữ, chẳng hạn như en-US, dành cho các mô hình hỗ trợ.
Định dạng âm thanh. Các giá trị được chấp nhận phụ thuộc vào mô hình: ví dụ grok-tts chỉ trả về mp3, và qwen3-tts-flash trả về wav. Hãy kiểm tra thông tin chi tiết của mô hình trước khi gửi một giá trị.
audioĐịnh dạng truyền tải của TokenLab: audio hoặc sse. Chỉ gửi sse khi thông tin chi tiết của mô hình có liệt kê định dạng này.
Tốc độ giọng nói cho các mô hình hỗ trợ. TokenLab chấp nhận từ 0.25 đến 4.0; một mô hình có thể thu hẹp phạm vi này.
Nhiệt độ lấy mẫu (sampling temperature) từ 0 đến 2, dành cho các mô hình liệt kê tham số này.
Phản hồi
Với stream_format=audio, phản hồi chứa các byte âm thanh. Các mô hình hỗ trợ stream_format=sse trả về phản hồi text/event-stream; hãy phân tích cú pháp các sự kiện của nó thay vì lưu toàn bộ phản hồi dưới dạng tệp âm thanh.
Yêu cầu
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.mp3Mẫu giọng nói
Các giọng nói phụ thuộc vào mô hình. Hãy đọc các giá trị voice trong thông tin chi tiết của mô hình từ GET /v1/models/{model} trước khi bạn gửi. Ví dụ: grok-tts chấp nhận eve, ara, rex, sal, và leo.
Phản hồi
<binary audio data>Các trường quan trọng
Media type của phản hồi HTTP: định dạng âm thanh, hoặc text/event-stream đối với SSE.
Các byte âm thanh đối với audio; một event stream đối với sse. Chọn bộ phân tích cú pháp bằng cách sử dụng Content-Type và chế độ đã yêu cầu.
MiniMax Speech 2.8 Turbo tổng hợp kịch bản bằng giọng nói đã chọn với quy trình làm việc tập trung vào tốc độ, hữu ích cho các giao diện đàm thoại phản hồi nhanh và thuyết minh.
{
"model": "speech-2.8-turbo",
"input": "Welcome to TokenLab.",
"voice_id": "male-qn-qingse",
"speed": 1,
"response_format": "mp3",
"stream_format": "audio"
}Xác thực
BearerAuth Xác thực bằng Khóa API. Tạo hoặc quản lý khóa API trong Dashboard > API > API Keys.
Vị trí: header
Header
Chính sách phân phối theo yêu cầu. Ghi đè các mặc định của API key và Workspace. Tự động thử TokenLab Verified trước và có thể chuyển đổi một lần sang Official chỉ trước khi xuất, chấp nhận yêu cầu hoặc tạo tài nguyên cố định.
Giá trị hợp lệ
- "auto"
- "verified"
- "official"
Nội dung yêu cầu
application/json
Phản hồi
application/json
application/json
application/json
application/json
application/json
application/json