音频与其他音频
文本转语音
POST
将完整文本转换为音频字节。音色、格式和参数范围取决于模型,不同供应商的音色不可直接互换。
百炼 Qwen-Audio、CosyVoice、Qwen HTTP 和 MiniMax 的原生选项通过 extra_body.input / extra_body.parameters 传入。
标准输入不能被扩展中的 model 或 input.text 替换。Qwen realtime 型号使用 WebSocket,详见 百炼 TTS 对接概览。
stream: true 返回二进制音频分片,stream_format: sse 返回原生 SSE 事件。网关不转码;Qwen HTTP 普通请求使用 WAV,流式使用 PCM。
bearerAuthheader
AuthorizationBearer <API key>使用 Authorization Bearer API Key 进行鉴权。
application/json- body
model*string模型 ID。
input*string要朗读的完整文本,最大长度由模型决定。
voice*string模型支持的系统音色或专属音色 ID,例如 CosyVoice v3 的 longanyang;OpenAI 模型使用其对应音色。
response_format?string实际音频格式,支持范围由模型决定;Qwen HTTP 非流式使用 wav,流式使用 pcm,网关不转码。
Default
"mp3"Value in
"mp3""opus""aac""flac""wav""pcm"speed?number语音速度,具体支持范围由模型决定;例如 CosyVoice 为 0.5 至 2.0。
Range
0.25 <= value <= 4Default
1instructions?string支持指令控制的模型使用此字段设置朗读风格。
stream?boolean是否逐块返回音频。
Default
falsestream_format?string百炼流式输出格式,默认二进制音频;sse 保留原生事件和用量。
Value in
"audio""sse"extra_body?原生扩展对象,可包含 input 和 parameters;显式 0 和 false 会保留,不能覆盖标准模型或文本。
成功生成音频
response?fileFormat
binarycurl -X POST 'https://goldflow.cc/v1/audio/speech' \ -H 'Content-Type: application/json' \ -d '{ "model": "string", "input": "string", "voice": "string"}'Example Response200
"string"