語音合成（TTS）指南

語音合成（TTS）指南

POST /v1/audio/speech 與 OpenAI 相容：送出 JSON，回傳二進位音訊檔。語音模型包含 ElevenLabs 系列（elevenlabs/eleven-v4、eleven-v4-turbo、eleven-v3、eleven-v3-conversational、eleven-multilingual-v2、eleven-flash-v2.5、eleven-flash-v2、eleven-turbo-v2.5、eleven-turbo-v2）。最新清單請查 GET /v1/models?output_modalities=speech。 GET /v1/models 預設只回文字模型，請加 ?output_modalities=speech（或 all）才會列出語音模型。

參數

上方七個聲音設定都是選填，沒帶就完全不變；數值超出範圍會直接回 400，不會送出也不會收費。回應標頭 X-Voice-Settings 說明這次有沒有用到您的設定：applied＝已套用；ignored＝這次由備援路線回答，您的設定沒有被使用（聲音仍會正常產生）；沒有這個標頭＝您沒有帶任何聲音設定。例如 stability 設 0 會讀得更有起伏，設 1 則更平穩。

voice 規則

ElevenLabs 模型（elevenlabs/…）的 voice 可填下列聲音名稱（不分大小寫）：george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will。ElevenLabs 模型可省略 voice（預設 george）。其他值回 400 invalid_voice。您自己的自訂聲音（voice_…）請見下方「自訂聲音」章節。

alloy、echo、nova 這類 OpenAI 風格的聲音名稱，只適用於有列出這些聲音的模型。各模型支援的聲音請看模型頁。

自訂聲音（克隆）正分階段開放：請見下方「自訂聲音」章節（POST /v1/voices）。在您的帳號開通之前，請使用上列 21 個預設名稱或公開的聲音 ID。

內建聲音一覽

voice 欄位可填下表的聲音名稱（英文小寫）。每個聲音都附一段我們自己的試聽，也可以用 GET /api/v1/audio/voices 取得完整清單（性別、年齡層、口音、風格與試聽網址）。

?lang=（en、zh-TW、zh-CN，預設依 Accept-Language）只決定 description 的語言；試聽網址不隨參數改變：preview_urls.en（同 preview_url）是英文試聽、preview_urls.zh（同 preview_url_zh）是中文試聽。

情緒與動作標籤（audio tags）

直接把標籤用方括號寫在 input 裡，例如 [laughs]、[whispers]、[excited]、[sighs]、[crying]、[curious]、[softly]。標籤會原樣送給模型，用來決定後面那段話的語氣與演出。就算文字是中文，標籤也請維持英文。

curl https://api.bazaarlink.ai/v1/audio/speech \
  -H "Authorization: Bearer $BAZAARLINK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"elevenlabs/eleven-v3","input":"[laughs] That was actually funny. [whispers] Do not tell anyone.","voice":"george","response_format":"mp3"}' \
  --output audio-tags.mp3

elevenlabs/eleven-v3 與 elevenlabs/eleven-v4 系列支援。其他語音模型不會解讀標籤，可能把括號內文字直接念出來，建議先用一小句測試。

標籤也算入 input 字元數，與其餘文字一樣計費。

輸出格式

不帶 response_format 時預設為 mp3（Content-Type 為 audio/mpeg）；pcm（audio/pcm，原始 16-bit PCM）也可用。API 雖接受 opus、aac、flac、wav，但 ElevenLabs 模型目前會以 400 拒絕。請依回應標頭 Content-Type 儲存檔案。

計價方式

語音合成依 input 的字元數計費。每字元價格列在 /models 的模型頁，以及 GET /v1/models 的 pricing.character（每字元美元）。模型頁以每 100 萬字元顯示。

範例

curl https://api.bazaarlink.ai/v1/audio/speech \
  -H "Authorization: Bearer $BAZAARLINK_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{"model":"elevenlabs/eleven-flash-v2.5","input":"Hello from BazaarLink.","voice":"george","response_format":"mp3"}' \
  --output speech.mp3

常見錯誤

完整參數參考: 語音合成

語音合成

將文字轉成音訊；使用 /v1/models?output_modalities=speech 的模型識別碼。按模型頁所列每百萬字元價格計費；完整緩衝音訊後才回傳二進位資料，尚不支援逐段串流。provider、transforms、route、service_tier、preset 等路由控制欄位會被忽略。

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