语音合成 API 参考

OpenAI 兼容的文本转语音接口：一次请求合成整段音频，响应直接返回音频二进制。适配 OpenAI TTS、百炼 Qwen-Audio-TTS、MiniMax、火山引擎等语音合成模型。

字段	值
Base URL	`https://token.easyapi.com/v1`
认证	Authorization: Bearer `API_KEY`
示例模型	`qwen-audio-3.0-tts-plus`
格式	REST JSON（响应为音频二进制）
计费	按输入字符 / 音频时长计费

注意：响应不是 JSON，而是音频二进制，Content-Type 由 response_format 决定：mp3 → audio/mpeg、wav → audio/wav、pcm → audio/pcm、opus → audio/ogg。voice 取值随模型而变：百炼 Qwen-Audio-TTS 使用 longanhuan_v3.6 等音色，OpenAI TTS 使用 alloy / nova 等，请查阅对应模型的音色列表。模型特有的上游参数可放在 metadata 中透传。

示例模型

下文均以 qwen-audio-3.0-tts-plus（Qwen Audio TTS Plus）为例；更换其他模型时，请替换 model 参数，并参考控制台模型说明调整 size、quality 等字段。

创建语音合成

POSThttps://token.easyapi.com/v1/audio/speech

把 input 文本合成为音频，直接返回音频字节。当前不支持流式返回：即使传入 stream_format=sse，也会按单次完整音频返回。

请求参数

名称	位置	类型	必选	说明
`Authorization`	header	string	是	EasyAPI API Key。格式：Bearer `API_KEY`
`Content-Type`	header	string	是	固定 application/json

请求体

名称	类型	必选	说明
`model`	string	是	语音合成模型 ID，例如 qwen-audio-3.0-tts-plus、gpt-4o-mini-tts、tts-1
`input`	string	是	待合成文本，支持 SSML / LaTeX（需模型支持）
`voice`	string	是	音色，取值随模型不同；百炼默认 longanhuan_v3.6
`response_format`	string	否	音频编码格式：mp3（默认）、wav、pcm、opus
`speed`	number	否	语速倍率，百炼映射为 rate（0.5–2.0），超出范围按边界钳制
`instructions`	string	否	合成指令，用于控制方言、情感或角色等效果（百炼映射为 instruction）
`metadata`	object	否	上游原生参数透传：volume(0-100)、pitch(0.5-2.0)、bit_rate(6-510，仅 opus)、sample_rate、enable_ssml、word_timestamp_enabled、seed、language_hints、hot_fix、enable_aigc_tag；与标准字段同名的键优先级最高

示例

{
  "model": "qwen-audio-3.0-tts-plus",
  "input": "你好，欢迎使用 EasyAPI 语音合成。",
  "voice": "longanhuan_v3.6",
  "response_format": "mp3",
  "speed": 1.0,
  "instructions": "用轻松自然的语气朗读"
}

返回示例

HTTP/1.1 200 OK
Content-Type: audio/mpeg
Content-Length: 258048

<二进制音频数据>

返回结果

状态码	状态码含义	说明	数据模型
`200`	成功	返回音频二进制，Content-Type 取决于 response_format	`audio/*`
`400`	请求错误	参数不合法或上游拒绝，如音色不存在、文本为空	`ErrorResponse`
`401`	未认证	令牌缺失或无效	`ErrorResponse`
`402`	额度不足	账户余额不足以支付本次合成	`ErrorResponse`
`429`	限流	请求过于频繁，请稍后重试	`ErrorResponse`
`500`	服务端错误	上游或网关异常，可重试	`ErrorResponse`

响应：音频时长与用量由服务端解析：按输入字符数与输出音频时长计费，无法解析时长时按音频体积估算。