音訊與即時
建立語音 (Create Speech)
從輸入的文字生成音訊
使用 GET /v1/models?recommended_for=tts 來獲取當前的語音模型。
請求主體 (Request Body)
回應模式取決於所選的模型和 stream_format。對於較長的輸入,請將 HTTP 客戶端逾時設定為至少 120s。
選填欄位、語音、輸出格式和 SSE 支援取決於所選的模型。在發送請求前,請先檢查 GET /v1/models/{model}。不支援的參數可能會回傳 400 unsupported_parameter。
TTS 模型 ID。使用 GET /v1/models?recommended_for=tts 查找當前的選擇。沒有預設模型。
要生成音訊的文字。最多 4096 個字元;模型可能會設定更低的限制,請參閱其詳細資訊。
語音選擇器。傳入模型詳細資訊中的語音名稱(例如 grok-tts 的 eve),或對於接受語音 ID 的模型,傳入如 { "id": "voice-id" } 的物件。
針對列出此參數的模型(例如 speech-2.8-turbo)使用的語音 ID。
針對列出此參數的模型,可選的風格或表達指令,最多 2000 個字元。
針對列出此參數的模型(例如 qwen3-tts-1-7b-voicedesign),可選的說話風格提示詞,最多 2000 個字元。
語言代碼(例如 en-US),適用於支援此功能的模型。
音訊格式。接受的值取決於模型:例如 grok-tts 僅回傳 mp3,而 qwen3-tts-flash 回傳 wav。在發送值之前,請檢查模型的詳細資訊。
audioTokenLab 傳遞格式:audio 或 sse。僅在模型詳細資訊中列出時才發送 sse。
支援此功能的模型的語音速度。TokenLab 接受 0.25 到 4.0;模型可能會縮小此範圍。
針對列出此參數的模型,採樣溫度範圍為 0 到 2。
回應 (Response)
當 stream_format=audio 時,回應包含音訊位元組。支援 stream_format=sse 的模型會回傳 text/event-stream 回應;請解析其事件,而不是將整個回應儲存為音訊檔案。
請求
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語音樣本 (Voice Samples)
語音取決於模型。在發送請求前,請先從 GET /v1/models/{model} 讀取模型詳細資訊中的 voice 值。例如,grok-tts 接受 eve、ara、rex、sal 和 leo。
回應
<binary audio data>重要欄位 (Important fields)
HTTP 回應媒體類型:音訊格式,或 SSE 的 text/event-stream。
audio 的音訊位元組;sse 的事件串流。請根據 Content-Type 和請求的模式選擇解析器。
MiniMax Speech 2.8 Turbo 以速度為導向的工作流程合成所選語音的腳本,適用於響應式語音介面和旁白。
{
"model": "speech-2.8-turbo",
"input": "Welcome to TokenLab.",
"voice_id": "male-qn-qingse",
"speed": 1,
"response_format": "mp3",
"stream_format": "audio"
}授權
BearerAuth API Key 驗證。請在 Dashboard > API > API Keys 建立或管理 API 金鑰。
位置: header
請求標頭
單次請求傳遞策略。會覆寫 API key 與 Workspace 的預設值。系統會自動優先嘗試 TokenLab Verified,並可能在輸出、請求接受或建立持久性資源前切換至 Official 模式一次。
可選值
- "auto"
- "verified"
- "official"
請求主體
application/json
回應
application/json
application/json
application/json
application/json
application/json
application/json