Skip to Content
goldflow.cc 文档
音频与其他音频

文本转语音

POST
/v1/audio/speech

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。

Authorization

bearerAuth
headerAuthorizationBearer <API key>

使用 Authorization Bearer API Key 进行鉴权。

Request Body

application/json
  1. 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。

Range0.25 <= value <= 4
Default1
instructions?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。

Defaultfalse
stream_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。

Response Body

成功生成音频

response?file
Formatbinary
Example Request
curl -X POST 'https://goldflow.cc/v1/audio/speech' \  -H 'Content-Type: application/json' \  -d '{  "model": "string",  "input": "string",  "voice": "string"}'
Example Response200
"string"