สังเคราะห์เสียงพูด

แปลงข้อความเป็นเสียงด้วยรหัสโมเดลจาก /v1/models?output_modalities=speech คิดราคาต่อล้านอักขระตามหน้าโมเดล ระบบจะบัฟเฟอร์เสียงทั้งหมดก่อนส่งคืนเป็นข้อมูลไบนารี ยังไม่รองรับการสตรีมทีละช่วง ฟิลด์ควบคุมการกำหนดเส้นทาง เช่น provider, transforms, route, service_tier และ preset จะถูกละเว้น

POST/v1/audio/speech

การอนุญาต

Authorizationจำเป็น

string · header

API key เป็น bearer token ใน header Authorization

Body

modelจำเป็น

string

รหัสหรือชื่อแทนโมเดลจาก /v1/models

inputจำเป็น

string

ข้อความสำหรับสังเคราะห์

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

voice

string

เสียงที่โมเดลรองรับ โมเดล ElevenLabs (elevenlabs/*) รับชื่อเสียง (george, sarah, adam, alice, bella, bill, brian, callum, charlie, chris, daniel, eric, harry, jessica, laura, liam, lily, matilda, river, roger, will) หรือเว้นว่างได้ (ค่าเริ่มต้น george) ค่าอื่นจะได้ 400 invalid_voice (OpenAI: alloy) โมเดลอื่นต้องระบุ voice เมื่อเปิดใช้งานสำหรับบัญชีของคุณแล้ว เสียงที่กำหนดเองของคุณ (voice_… ดู เสียงที่กำหนดเอง) ก็ใช้ได้เช่นกัน

response_format

string

รูปแบบเสียงเอาต์พุต การรองรับขึ้นอยู่กับโมเดล เส้นทาง WAV แบบเนทีฟตอนนี้สร้างได้เฉพาะ WAV และไม่แปลงรูปแบบ แม้ขอ mp3 หรือ opus ก็ยังตอบกลับเป็น audio/wav ให้บันทึกไฟล์ตาม Content-Type ของการตอบกลับ

mp3opusaacflacwavpcm

speed

number

ความเร็วในการพูด 0.25–4.0 ว่ามีผลหรือไม่ขึ้นอยู่กับโมเดล

0.25–4.0

instructions

string

คำสั่งสำหรับการสร้างเสียงพูด ว่ามีผลหรือไม่ขึ้นอยู่กับโมเดล

stability

number

ความคงที่ของเสียง 0–1 (ค่าเริ่มต้น 0.5) ยิ่งต่ำยิ่งมีอารมณ์ ยิ่งสูงยิ่งเรียบ มีผลกับโมเดล elevenlabs/* เมื่อคำขอถูกให้บริการผ่านเส้นทางเสียงโดยตรงของเรา เฮดเดอร์ตอบกลับ X-Voice-Settings จะบอกว่า applied หรือ ignored

0–1 (0.5)

similarity_boost

number

ความคล้ายกับเสียงต้นฉบับ 0–1 (ค่าเริ่มต้น 0.75) Eleven v3 ไม่ใช้ค่านี้

0–1 (0.75)

style

number

ความเน้นสไตล์ 0–1 (ค่าเริ่มต้น 0) ค่าเกิน 0 ทำให้ล่าช้าขึ้น Eleven v4 ไม่ใช้ค่านี้

0–1 (0)

use_speaker_boost

boolean

เพิ่มความคล้ายกับผู้พูดต้นฉบับ (ค่าเริ่มต้น true) ทำให้ล่าช้าเล็กน้อย

true / false (true)

clone_strength

number

ความแรงของการโคลน 0–1 (แนะนำ 0 สำหรับเสียงส่วนใหญ่) ใช้ได้เฉพาะเสียงโคลนระดับมืออาชีพของคุณเอง (voice_…) ที่ฝึกสำหรับ Eleven v4

0–1

language_code

string

รหัสภาษาตัวพิมพ์เล็กสองตัวอักษร (ISO 639-1) เช่น ar, ja, en เพื่อกำหนดภาษาที่อ่าน โมเดล multilingual-v2 ไม่ใช้ค่านี้

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

audio_effects

object

ออบเจ็กต์เอฟเฟกต์เสียงแบบเลือกได้: filter_preset_id (ฟิลเตอร์ เช่น phone, old_radio), environment_id (พื้นที่เสียงก้อง เช่น small_room, hall), background_noise_id (เช่น cafe), distance (0–1), send_level (ปริมาณเสียงก้อง 0–1) และ pan (−1…1) ID ใช้ตัวพิมพ์เล็ก ตัวเลข และขีดล่างเท่านั้น ไม่คิดค่าบริการเพิ่ม เสียงก้องหรือ pan ที่ไม่เท่ากับ 0 จะได้เสียงสเตอริโอ และใช้ร่วมกับเอาต์พุต pcm ไม่ได้

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

คู่มือเชิงลึก →

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

ตัวอย่างการตอบกลับ

สำเร็จ

1
<binary audio>