Синтез речи — BazaarLink API

Синтез речи

Преобразует текст в аудио по ID модели из /v1/models?output_modalities=speech. Оплата — по цене за миллион символов на странице модели. Аудио полностью буферизуется и затем возвращается бинарными данными; пошаговая потоковая выдача не поддерживается. Поля управления маршрутизацией provider, transforms, route, service_tier и preset игнорируются.

POST/v1/audio/speech

Авторизация

Authorizationобязательно

string · header

Ключ API как Bearer-токен в заголовке Authorization.

Тело

modelобязательно

string

ID или псевдоним модели из /v1/models.

inputобязательно

string

Текст для синтеза.

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

voice

string

Голос, поддерживаемый моделью. Модели ElevenLabs (elevenlabs/*) принимают одно из имён голосов (george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will), либо параметр можно опустить (по умолчанию george); любое другое значение даёт 400 invalid_voice (OpenAI: alloy). Для остальных моделей voice обязателен. Ваш собственный голос (voice_…, см. Собственные голоса) тоже подойдёт, когда он включён для вашего аккаунта.

response_format

string

Формат выходного аудио; поддержка зависит от модели. Нативные WAV-маршруты сейчас выдают только WAV без перекодирования: даже при запросе mp3 или opus ответ будет audio/wav. Сохраняйте файл в соответствии с Content-Type ответа.

mp3opusaacflacwavpcm

speed

number

Скорость речи от 0,25 до 4,0; будет ли она применена, зависит от модели.

0.25–4.0

instructions

string

Инструкции для генерации речи; будут ли они применены, зависит от модели.

stability

number

Стабильность голоса, 0–1 (по умолчанию 0,5). Ниже — выразительнее, выше — ровнее. Действует для моделей elevenlabs/*, когда запрос обслуживается нашим прямым голосовым маршрутом; заголовок ответа X-Voice-Settings сообщает applied или ignored.

0–1 (0.5)

similarity_boost

number

Сходство с исходным голосом, 0–1 (по умолчанию 0,75). Eleven v3 не использует.

0–1 (0.75)

style

number

Усиление стиля, 0–1 (по умолчанию 0). Значения выше 0 увеличивают задержку. Eleven v4 не использует.

0–1 (0)

use_speaker_boost

boolean

Усиливает сходство с исходным говорящим (по умолчанию true); немного увеличивает задержку.

true / false (true)

clone_strength

number

Сила клона, 0–1 (для большинства голосов рекомендуется 0). Только для ваших собственных профессиональных клонов (voice_…), обученных для Eleven v4.

0–1

language_code

string

Двухбуквенный код языка строчными буквами (ISO 639-1), например ar, ja или en, чтобы задать язык озвучивания. Модели multilingual-v2 не используют.

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

audio_effects

object

Необязательный объект аудиоэффектов: filter_preset_id (фильтр, например phone, old_radio), environment_id (реверберация, например small_room, hall), background_noise_id (например cafe), distance (0–1), send_level (уровень реверберации, 0–1) и pan (−1…1). ID — строчные буквы, цифры и подчёркивания; без доплаты. Реверберация или pan не равный 0 дают стерео и несовместимы с выводом pcm.

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

Подробное руководство →

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

Примеры ответов

Успех.

1
<binary audio>