語音合成 API 參考

OpenAI 相容的文字轉語音介面：一次請求合成整段音訊，回應直接返回音訊二進位。適配 OpenAI TTS、百煉 Qwen-Audio-TTS、MiniMax、火山引擎等語音合成模型。

欄位	值
Base URL	`https://token.easyapi.com/v1`
認證	Authorization: Bearer `API_KEY`
範例模型	`qwen-audio-3.0-tts-plus`
格式	REST JSON（回應為音訊二進位）
計費	按輸入字元 / 音訊時長計費

注意：回應不是 JSON，而是音訊二進位，Content-Type 由 response_format 決定：mp3 → audio/mpeg、wav → audio/wav、pcm → audio/pcm、opus → audio/ogg。voice 取值隨模型而變：百煉 Qwen-Audio-TTS 使用 longanhuan_v3.6 等音色，OpenAI TTS 使用 alloy / nova 等，請查閱對應模型的音色清單。模型特有的上游參數可放在 metadata 中透傳。

示例模型

下文均以 qwen-audio-3.0-tts-plus（Qwen Audio TTS Plus）為例；更換其他模型時，請替換 model 參數，並參考控制台模型說明調整 size、quality 等欄位。

建立語音合成

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

把 input 文字合成為音訊，直接返回音訊位元組。目前不支援串流返回：即使傳入 stream_format=sse，也會按單次完整音訊返回。

請求參數

名稱	位置	類型	必選	說明
`Authorization`	header	string	是	EasyAPI API Key。格式：Bearer `API_KEY`
`Content-Type`	header	string	是	固定 application/json

請求體

名稱	類型	必選	說明
`model`	string	是	語音合成模型 ID，例如 qwen-audio-3.0-tts-plus、gpt-4o-mini-tts、tts-1
`input`	string	是	待合成文字，支援 SSML / LaTeX（需模型支援）
`voice`	string	是	音色，取值隨模型不同；百煉預設 longanhuan_v3.6
`response_format`	string	否	音訊編碼格式：mp3（預設）、wav、pcm、opus
`speed`	number	否	語速倍率，百煉映射為 rate（0.5–2.0），超出範圍按邊界鉗制
`instructions`	string	否	合成指令，用於控制方言、情感或角色等效果（百煉映射為 instruction）
`metadata`	object	否	上游原生參數透傳：volume(0-100)、pitch(0.5-2.0)、bit_rate(6-510，僅 opus)、sample_rate、enable_ssml、word_timestamp_enabled、seed、language_hints、hot_fix、enable_aigc_tag；與標準欄位同名的鍵優先級最高

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>

返回結果

狀態碼	狀態碼含義	說明	資料模型
`200`	成功	返回音訊二進位，Content-Type 取決於 response_format	`audio/*`
`400`	請求錯誤	參數不合法或上游拒絕，如音色不存在、文字為空	`ErrorResponse`
`401`	未認證	權杖缺失或無效	`ErrorResponse`
`402`	額度不足	帳戶餘額不足以支付本次合成	`ErrorResponse`
`429`	限流	請求過於頻繁，請稍後重試	`ErrorResponse`
`500`	服務端錯誤	上游或閘道異常，可重試	`ErrorResponse`

響應：音訊時長與用量由服務端解析：按輸入字元數與輸出音訊時長計費，無法解析時長時按音訊體積估算。