Sprachsynthese — BazaarLink API

Dokumentation API-Referenz SDK-Referenz Agentic-Nutzung KI-Skills

Sprachsynthese

Wandelt Text mit einer Modell-ID aus /v1/models?output_modalities=speech in Audio um. Abgerechnet wird zum Preis pro Million Zeichen der Modellseite. Das komplette Audio wird gepuffert und danach als Binärdaten zurückgegeben; schrittweises Streaming wird nicht unterstützt. Routing-Steuerfelder wie provider, transforms, route, service_tier und preset werden ignoriert.

POST/v1/audio/speech

Autorisierung

Authorizationerforderlich

string · header

API-Schlüssel als Bearer-Token im Authorization-Header.

Body

modelerforderlich

string

Modell-ID oder Alias aus /v1/models.

inputerforderlich

string

Zu synthetisierender Text.

1–4096 characters (10,000 for elevenlabs/eleven-v4 and eleven-v4-turbo)

voice

string

Vom Modell unterstützte Stimme. ElevenLabs-Modelle (elevenlabs/*) akzeptieren einen der Stimmennamen (george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will) oder lassen sie weg (Standard george); jeder andere Wert liefert 400 invalid_voice (OpenAI: alloy). Bei anderen Modellen ist voice Pflicht. Ihre eigene Stimme (voice_…, siehe Eigene Stimmen) funktioniert ebenfalls, sobald sie für Ihr Konto aktiviert ist.

response_format

string

Ausgabeformat des Audios; die Unterstützung hängt vom Modell ab. Native WAV-Routen erzeugen derzeit nur WAV und transkodieren nicht; auch bei mp3 oder opus kommt audio/wav zurück. Speichern Sie die Datei gemäß dem Content-Type der Antwort.

mp3opusaacflacwavpcm

speed

number

Sprechgeschwindigkeit von 0,25 bis 4,0; ob sie wirkt, hängt vom Modell ab.

0.25–4.0

instructions

string

Anweisungen für die Sprachgenerierung; ob sie wirken, hängt vom Modell ab.

stability

number

Stabilität der Stimme, 0–1 (Standard 0,5). Niedriger klingt ausdrucksstärker, höher gleichmäßiger. Wirkt bei elevenlabs/*-Modellen, wenn die Anfrage über unsere direkte Sprachroute bedient wird; der Antwort-Header X-Voice-Settings zeigt applied oder ignored.

0–1 (0.5)

similarity_boost

number

Ähnlichkeit zur Originalstimme, 0–1 (Standard 0,75). Wird von Eleven v3 nicht verwendet.

0–1 (0.75)

style

number

Stilübertreibung, 0–1 (Standard 0). Werte über 0 erhöhen die Latenz. Wird von Eleven v4 nicht verwendet.

0–1 (0)

use_speaker_boost

boolean

Verstärkt die Ähnlichkeit zum ursprünglichen Sprecher (Standard true); erhöht die Latenz leicht.

true / false (true)

clone_strength

number

Klon-Stärke, 0–1 (für die meisten Stimmen wird 0 empfohlen). Nur für Ihre eigenen professionellen Klonstimmen (voice_…), die für Eleven v4 trainiert wurden.

0–1

language_code

string

Zweibuchstabiger Sprachcode in Kleinbuchstaben (ISO 639-1), z. B. ar, ja oder en, um die Sprechsprache festzulegen. Wird von multilingual-v2-Modellen nicht verwendet.

ISO 639-1, e.g. ar, ja, en

audio_effects

object

Optionales Audioeffekt-Objekt: filter_preset_id (z. B. phone, old_radio), environment_id (Hallraum, z. B. small_room, hall), background_noise_id (z. B. cafe), distance (0–1), send_level (Hallanteil, 0–1) und pan (−1…1). IDs bestehen aus Kleinbuchstaben, Ziffern und Unterstrichen; keine Zusatzkosten. Hall oder ein pan ungleich 0 erzeugt Stereo und ist mit pcm-Ausgabe nicht kombinierbar.

filter_preset_id, environment_id, background_noise_id, distance 0–1, send_level 0–1, pan −1…1

Detailguide →

POST /v1/audio/speech

1
2
3
4
5
6
7
8
9
10
11
12
curl https://api.bazaarlink.ai/v1/audio/speech \
  -H "$BAZAARLINK_AUTH_HEADER" \
  -H "Content-Type: application/json" \
  -d '{"model":"<speech-model-id>","input":"Hello","voice":"alloy","response_format":"mp3"}' \
  --output speech.mp3

# Voice settings (elevenlabs/* models; the X-Voice-Settings response header says applied or ignored)
curl -D - https://api.bazaarlink.ai/v1/audio/speech \
  -H "$BAZAARLINK_AUTH_HEADER" \
  -H "Content-Type: application/json" \
  -d '{"model":"elevenlabs/eleven-v4","input":"Hello","voice":"george","stability":0.4,"similarity_boost":0.8,"style":0.2,"use_speaker_boost":true,"language_code":"en","audio_effects":{"distance":0.3}}' \
  --output speech.mp3

Antwortbeispiele

Erfolg.

1
<binary audio>