API

Audio Speech

将文本转换为音频文件，兼容 OpenAI-style text-to-speech 请求。

概述

Audio Speech 接口把文本转换为音频。适合客服播报、语音助手、视频旁白和可访问性场景。

请求

`POST https://api.example.com/v1/audio/speech`

Headers

Header必需说明
Authorization✓`Bearer $UOUODUO_API_KEY`
Content-Type✓`application/json`

Body 参数

参数类型必需默认说明
modelstring✓-TTS 模型 ID
inputstring✓-要转成语音的文本，通常不超过 4096 字符
voicestring✓-`alloy`、`echo`、`fable`、`onyx`、`nova`、`shimmer` 等
response_formatstring否mp3`mp3`、`opus`、`aac`、`flac`、`wav`、`pcm`
speednumber否1语速，范围 0.25 到 4

示例

curl https://api.example.com/v1/audio/speech \
  -H "Authorization: Bearer $UOUODUO_API_KEY" \
  -H "Content-Type: application/json" \
  --output speech.mp3 \
  -d '{
    "model": "tts-1",
    "input": "部署完成，当前路由健康。",
    "voice": "alloy",
    "response_format": "mp3"
  }'

响应

成功响应通常是音频二进制流，`Content-Type` 取决于 `response_format`。如果使用 `mp3`，常见响应类型为 `audio/mpeg`。

错误

HTTP说明处理建议
400input 过长、voice 不支持或 response_format 不支持缩短文本并检查枚举值
401API key 无效重新创建 key
429音频模型限流排队或降低并发
500上游 TTS 异常记录 request id 后重试

注意事项

  • 长文本建议按句子或段落切分，避免单次失败导致整段重试。
  • PCM/WAV 适合后续音频处理；MP3 适合直接播放和下载。
  • 文本里包含敏感数据时，应使用专门 key 并配置更严格预算。